扰动生物学：推断细胞系统中的信号网络
分子网络
2014-03-05 v1
摘要
我们提出了一种新的实验 - 计算技术，用于推断网络模型，这些模型预测细胞对扰动的响应，并可能有助于设计针对癌症的联合疗法。实验是对癌细胞系进行靶向药物（单独或组合）的系统性扰动系列。对扰动的响应通过蛋白质和磷酸化蛋白的水平以及细胞表型（如活力）来测量。计算网络模型是从头推导的，即无需预先了解信号通路，并基于简单的非线性微分方程。所有可能网络模型的庞大解空间使用一种概率算法——信念传播 (belief propagation) 进行高效探索，其效率比蒙特卡洛方法高三个数量级。针对一组在 Skmel-133 黑色素瘤细胞系（该细胞系对治疗上重要的 Raf 激酶抑制具有耐药性）中进行的扰动实验，推导出了明确的可执行模型。生成的网络模型重现并扩展了已知的通路生物学。它们可用于发现新的分子相互作用并预测新型药物扰动的效果，其中一种效果已通过实验验证。该技术适用于分子生物学不同领域中更大系统的应用。
引用
@article{arxiv.1308.5193,
title = {Perturbation Biology: inferring signaling networks in cellular systems},
author = {Evan J. Molinelli and Anil Korkut and Weiqing Wang and Martin L. Miller and Nicholas P. Gauthier and Xiaohong Jing and Poorvi Kaushik and Qin He and Gordon Mills and David B. Solit and Christine A. Pratilas and Martin Weigt and Alfredo Braunstein and Andrea Pagnani and Riccardo Zecchina and Chris Sander},
journal= {arXiv preprint arXiv:1308.5193},
year = {2014}
}