Biologie rakovinových systémů - Cancer systems biology

Biologie rakovinových systémů zahrnuje použití biologie systémů přístupy k rakovina výzkum za účelem studia nemoci jako a komplexní adaptivní systém s objevující se vlastnosti v několika biologických měřítcích.[1][2][3] Biologie rakovinových systémů představuje aplikaci přístupů systémové biologie k analýze toho, jak jsou intracelulární sítě normálních buněk narušeny během karcinogeneze, aby se vyvinuly účinné prediktivní modely, které mohou vědcům a lékařům pomoci při ověřování nových terapií a léků. Nádory se vyznačují genomickou a epigenetickou nestabilitou, která mění funkce mnoha různých molekul a sítí v jedné buňce a také mění interakce s místním prostředím. Biologické přístupy k rakovinovým systémům jsou proto založeny na použití výpočetních a matematických metod k dešifrování složitosti tumorogeneze i heterogenity rakoviny. [4]

Biologie rakovinových systémů zahrnuje konkrétní aplikace přístupů systémové biologie k výzkumu rakoviny, zejména (a) potřebu lepších metod pro získání poznatků z rozsáhlých sítí, (b) důležitost integrace více datových typů při konstrukci realističtějších modelů, (c ) výzvy při převádění poznatků o tumorigenních mechanismech do terapeutických intervencí a (d) role mikroprostředí nádoru na fyzické, buněčné a molekulární úrovni.[5] Biologie rakovinových systémů proto přijímá a holistický pohled na rakovinu[6] zaměřené na integraci mnoha biologických měřítek, včetně genetika, signalizační sítě,[7] epigenetika,[8] buněčné chování, mechanické vlastnosti,[9] histologie, klinické projevy a epidemiologie. Nakonec jsou vlastnosti rakoviny v jednom měřítku, např. Histologie, vysvětleny vlastnostmi v níže uvedeném měřítku, např. Chováním buněk.

Biologie rakovinových systémů spojuje tradiční základní a klinický výzkum rakoviny s „exaktními“ vědami, jako jsou například aplikované matematika, inženýrství, a fyzika. Zahrnuje spektrum „omických“ technologií (genomika, proteomika, epigenomika atd.) a molekulární zobrazování, generovat výpočetní algoritmy a kvantitativní modely[10] které osvětlují mechanismy, které jsou základem rakovinového procesu, a předpovídají reakci na intervenci. Aplikace biologie rakovinových systémů zahrnuje mimo jiné - objasnění kritických buněčných a molekulárních sítí, z nichž vychází riziko rakoviny, zahájení a progrese; čímž podporuje alternativní hledisko k tradičnímu redukcionistickému přístupu, který se obvykle zaměřuje na charakterizaci jednotlivých molekulárních aberací.

Dějiny

Biologie rakovinových systémů má kořeny v řadě událostí a realizací v biomedicínském výzkumu i v technologickém pokroku. Historicky byla rakovina identifikována, chápána a léčena jako monolitické onemocnění. Bylo to považováno za „cizí“ složku, která rostla jako homogenní hmota a měla být nejlépe léčena excizí. Kromě pokračujícího dopadu chirurgického zákroku se tento zjednodušující pohled na rakovinu drasticky vyvinul. Souběžně s využitím molekulární biologie se výzkum rakoviny zaměřil na identifikaci kritických onkogenů nebo tumor supresorových genů v etiologii rakoviny. Tyto průlomy způsobily revoluci v našem chápání molekulárních událostí, které poháněly progresi rakoviny. Cílená terapie může být považována za současný vrchol pokroků, které se objevily na základě těchto poznatků.

I přes tyto pokroky zůstává mnoho nevyřešených výzev, včetně nedostatku nových možností léčby u mnoha typů rakoviny nebo nevysvětlitelných selhání léčby a nevyhnutelného relapsu u typů rakoviny, kde existuje cílená léčba.[11] Takový nesoulad mezi klinickými výsledky a obrovským množstvím dat získaných technologií omics zdůrazňuje existenci základních mezer v našich znalostech základů rakoviny. Cancer Systems Biology neustále zlepšuje naši schopnost organizovat informace o rakovině za účelem vyplnění těchto mezer. Mezi klíčové události patří:

  • Generování komplexních molekulárních datových souborů (genom, transkriptom, epigenomika, proteom, metabolome atd.)
  • Atlas rakovinového genomu sběr dat[12]
  • Výpočtové algoritmy pro extrakci ovladačů progrese rakoviny ze stávajících datových sad[13]
  • Statistické a mechanické modelování signalizačních sítí[14]
  • Kvantitativní modelování procesů evoluce rakoviny[6]
  • Matematické modelování růstu populace rakovinných buněk[15]
  • Matematické modelování buněčných odpovědí na terapeutickou intervenci[16]
  • Matematické modelování metabolismu rakoviny[10]

Praxe biologie rakovinových systémů vyžaduje úzkou fyzickou integraci mezi vědci s různým zázemím. Probíhá také kritické rozsáhlé úsilí o školení nové pracovní síly ovládající jak biologické jazyky, tak aplikovanou matematiku. Na překladatelské úrovni by Cancer Systems Biology měla přinést aplikaci přesné medicíny do léčby rakoviny.

Zdroje

Vysoce výkonné technologie umožňují komplexní genomové analýzy mutací, přeskupení, variací počtu kopií a methylace na buněčné a tkáňové úrovni, stejně jako robustní analýzu údajů o expresi RNA a mikroRNA, hladinách proteinů a hladinách metabolitů.[17][18][19][20][21][22]

Seznam vysoce výkonných technologií a dat, která generovali, s reprezentativními databázemi a publikacemi

TechnologieExperimentální dataReprezentativní databáze
DNA-seq, NGSSekvence DNA, exome sekvence, genomy, genyTCGA,[23] GenBank,[24] DDBJ,[25] Ensembl [26]
Microarray, RNA-seqÚrovně genové exprese, hladiny mikroRNA, přepisyGEO,[27] Atlas výrazů [28]
MS, iTRAQKoncentrace proteinů, fosforylaceGPMdb,[29] HRDOST,[30] Atlas lidských bílkovin [31]
C-MS, GC-MS, NMRHladiny metabolitůHMDB [32]
ChIP-chip, ChIP-seqInterakce protein-DNA, vazebná místa transkriptového faktoruGEO,[27] TRANSFAC,[33] JASPAR,[34] ZAKÓDOVAT [35]
CLIP-seq, PAR-CLIP, iCLIPPředpisy pro mikroRNA-mRNAStarBase,[36] miRTarBase [37]
Y2H, AP / MS, MaMTH, maPPITInterakce protein-proteinHPRD,[38] BioGRID [39]
Proteinová microarrayInterakce kináza-substrátTCGA,[23] PhosphoPOINT [40]
SGA, E-MAP, RNAiGenetické interakceHPRD,[41] BioGRID [42]
Pole genotypizace SNPGWAS loci, eQTL, aberantní SNPKatalog GWAS,[43] dbGAP,[44] dbSNP [45]
LUMIER, data integrationSignální dráhy, metabolické dráhy, molekulární podpisyTCGA,[23] KEGG,[46] Reactome [47]

Přístupy

Výpočtové přístupy používané v biologii rakovinových systémů zahrnují nové matematické a výpočetní algoritmy, které odrážejí dynamickou interakci mezi experimentální biologií a kvantitativními vědami.[48] Biologický přístup k rakovinovým systémům lze aplikovat na různých úrovních, od jednotlivé buňky po tkáň, u pacienta s primárním nádorem a možnými metastázami nebo v jakékoli kombinaci těchto situací. Tento přístup může integrovat molekulární charakteristiky nádorů na různých úrovních (DNA, RNA, protein, epigenetický, zobrazovací)[49] a různé intervaly (sekundy vs. dny) s multidisciplinární analýzou.[50] Jednou z hlavních výzev jejího úspěchu, kromě výzvy, kterou představuje heterogenita rakoviny jako takové, spočívá v získávání vysoce kvalitních údajů, které popisují klinické charakteristiky, patologii, léčbu a výsledky, a v integraci údajů do robustních prediktivních modelů [51][19][20][21][22][52][53]

Aplikace

  • Modelování růstu a vývoje rakoviny

Matematické modelování může poskytnout užitečný kontext pro racionální návrh, validaci a stanovení priorit nových cílů pro léčbu rakoviny a jejich kombinací. Síťové modelování a víceúrovňové modelování se začaly projevovat slibem v usnadnění procesu účinného objevování léků na rakovinu. Schoerberl et al. Pomocí přístupu modelování systémů v síti[54] identifikoval dříve neznámý, komplementární a potenciálně lepší mechanismus inhibice signální sítě receptoru ErbB. Bylo zjištěno, že ErbB3 je nejcitlivější uzel, což vede k aktivaci Akt; Akt reguluje mnoho biologických procesů, jako je proliferace, apoptóza a růst, které jsou všechny relevantní pro progresi nádoru.[55] Toto cílené modelování připravilo cestu pro první svého druhu klinických studií. Bekkal a kol. představil nelineární model dynamiky buněčné populace rozdělený na proliferativní a klidové oddíly. Proliferativní fáze představuje kompletní buněčný cyklus (G (1) -S-G (2) -M) populace odhodlané dělit se na jejím konci. Asymptotické chování roztoků nelineárního modelu je analyzováno ve dvou případech, které vykazují homeostázu tkáně nebo exponenciální růst nádoru. Model je simulován a jeho analytické předpovědi jsou numericky potvrzeny.[56] Pokrok v hardwaru a softwaru dále umožnil realizaci klinicky proveditelného, ​​kvantitativního multimodálního zobrazování tkáňové patofyziologie. Dřívější snahy týkající se multimodálního zobrazování rakoviny se zaměřily na integraci anatomických a funkčních charakteristik, jako je PET-CT a jednofotonová emisní CT (SPECT-CT), zatímco novější pokroky a aplikace zahrnovaly integraci více kvantitativních , funkční měření (například více indikátorů PET, různé kontrastní mechanismy MRI a PET-MRI), což poskytuje komplexnější charakterizaci fenotypu nádoru. Obrovské množství doplňkových kvantitativních údajů generovaných takovými studiemi začíná nabízet jedinečný pohled na možnosti optimalizace péče o jednotlivé pacienty. Přestože je nutná důležitá technická optimalizace a zdokonalená biologická interpretace nálezů zobrazování multimodality, lze tento přístup již informativně aplikovat v klinických studiích léčby rakoviny pomocí stávajících nástrojů.[57]

  • Genomika rakoviny
  • Statistické a mechanické modelování progrese a vývoje rakoviny
  • Modely klinické odpovědi / Modelování buněčné odpovědi na terapeutické intervence
  • Sub-typing in Cancer.
  • Systémová onkologie - Klinická aplikace biologie rakovinových systémů

Národní financování

V roce 2004 zahájil americký národní onkologický institut programové úsilí v oboru Integrative Cancer Systems Biology[58] zřídit Centra pro biologii rakovinových systémů, která se zaměřují na analýzu rakoviny jako komplexního biologického systému. Integrace experimentální biologie s matematickým modelováním povede k novým poznatkům v biologii a novým přístupům k léčbě rakoviny. Program přináší klinickým a základním výzkumníkům rakoviny společně s výzkumnými pracovníky z matematiky, fyziky, inženýrství, informačních technologií, zobrazovacích věd a výpočetní techniky, aby pracovali na rozluštění základních otázek v biologii rakoviny.[59]

Viz také

Reference

  1. ^ Wang, Edwin. Biologie rakovinových systémů. Chapman & Hall, 2010
  2. ^ Liu & Lauffenburger. Systémová biomedicína: koncepty a perspektivy. Academic Press, 2009.
  3. ^ Barillot, Emmanuel; Calzone, Laurence; Hupe, Philippe; Vert, Jean-Philippe; Zinovyev, Andrei (2012). Výpočetní systémy biologie rakoviny. Chapman & Hall / CRC Matematická a výpočetní biologie. str. 461. ISBN  978-1439831441.
  4. ^ Werner, HM; Mills, GB; Ram, PT (březen 2014). „Biologie rakovinových systémů: pohled do budoucnosti péče o pacienty?“. Recenze přírody. Klinická onkologie. 11 (3): 167–76. doi:10.1038 / nrclinonc.2014.6. PMC  4321721. PMID  24492837.
  5. ^ Gentles, AJ; Gallahan, D (15. září 2011). „Systémová biologie: řešení složitosti rakoviny“. Výzkum rakoviny. 71 (18): 5961–4. doi:10.1158 / 0008-5472.CAN-11-1569. PMC  3174325. PMID  21896642.
  6. ^ A b Anderson, AR; Quaranta (2008). "Integrativní matematická onkologie". Nat Rev Cancer. 8 (3): 227–234. doi:10.1038 / nrc2329. PMID  18273038.
  7. ^ Kreeger, PK; Lauffenburger (2010). „Biologie rakovinových systémů: perspektiva modelování sítě“. Karcinogeneze. 31 (1): 2–8. doi:10.1093 / carcin / bgp261. PMC  2802670. PMID  19861649.
  8. ^ Huang, YW; Kuo, Stoner; Huang, Wang (2011). „Přehled epigenetiky a chemoprevence“. FEBS Lett. 585 (13): 2129–2136. doi:10.1016 / j.febslet.2010.11.002. PMC  3071863. PMID  21056563.
  9. ^ Spill, Fabian; Bakal, Chris; Mak, Michael (2018). "Mechanická a systémová biologie rakoviny". Výpočetní a strukturální biotechnologický časopis. 16: 237–245. arXiv:1807.08990. Bibcode:2018arXiv180708990S. doi:10.1016 / j.csbj.2018.07.002. PMC  6077126. PMID  30105089.
  10. ^ A b Lewis, NE; Abdel-Haleem, AM (2013). „Vývoj modelů metabolismu rakoviny v měřítku genomu“. Přední. Physiol. 4: 237. doi:10.3389 / fphys.2013.00237. PMC  3759783. PMID  24027532.
  11. ^ Garraway; Jänne (2012). „Obcházení rezistence na léky proti rakovině v éře personalizované medicíny“. Objev rakoviny. 2 (3): 214–226. doi:10.1158 / 2159-8290.CD-12-0012. PMID  22585993.
  12. ^ Collins; Barker (2007). „Mapování genomu rakoviny. Určení genů podílejících se na rakovině pomůže zmapovat nový směr v komplexu lidských malignit.“ Sci Am. 296 (3): 50–57. doi:10.1038 / scientificamerican0307-50. PMID  17348159.
  13. ^ Pe'er, Dana; Nir Hacohen (2011). „Zásady a strategie pro rozvoj síťových modelů v oblasti rakoviny“. Buňka. 144 (6): 864–873. doi:10.1016 / j.cell.2011.03.001. PMC  3082135. PMID  21414479.
  14. ^ Tyson, J.J.; Baumann, W.T .; Chen, C .; Verdugo, A .; Tavassoly, I .; Wang, Y .; Weiner, L.M .; Clarke, R. (2011). "Dynamické modelování estrogenové signalizace a buněčného osudu v buňkách rakoviny prsu". Nat. Rev. Rakovina. 11 (7): 523–532. doi:10.1038 / nrc3081. PMC  3294292. PMID  21677677.
  15. ^ Tyson, D.R .; Garbett, S.P .; Frick, P.L .; Quaranta, V (2012). „Frakční proliferace: metoda dekonvoluce dynamiky buněčné populace z jednobuněčných dat“. Nat. Metody. 9 (9): 923–928. doi:10.1038 / nmeth.2138. PMC  3459330. PMID  22886092.
  16. ^ Traina, Tiffany A .; U. Dugan; B. Higgins; K. Kolinsky; M. Theodoulou; C. A. Hudis; Larry Norton (2010). „Optimalizace dávky a harmonogramu chemoterapie matematickým modelováním Norton-Simon“. Onemocnění prsu. 31 (1): 7–18. doi:10.3233 / BD-2009-0290. PMC  3228251. PMID  20519801.
  17. ^ Atlas pro výzkum genomu rakoviny, síť. (4. července 2013). "Komplexní molekulární charakterizace jasného karcinomu ledvinových buněk". Příroda. 499 (7456): 43–9. Bibcode:2013Natur.499 ... 43T. doi:10.1038 / příroda12222. PMC  3771322. PMID  23792563.
  18. ^ Cancer Genome Atlas Research, Network .; Kandoth, C; Schultz, N; Cherniack, AD; Akbani, R; Liu, Y; Shen, H; Robertson, AG; Pashtan, I; Shen, R; Benz, CC; Yau, C; Laird, PW; Ding, L; Zhang, W; Mills, GB; Kucherlapati, R; Mardis, ER; Levine, DA (2. května 2013). „Integrovaná genomová charakterizace karcinomu endometria“. Příroda. 497 (7447): 67–73. Bibcode:2013Natur.497 ... 67T. doi:10.1038 / příroda12113. PMC  3704730. PMID  23636398.
  19. ^ A b Sumazin, P; Yang, X; Chiu, HS; Chung, WJ; Iyer, A; Llobet-Navas, D; Rajbhandari, P; Bansal, M; Guarnieri, P; Silva, J; Califano, A (14. října 2011). „Rozsáhlá síť interakcí RNA-RNA zprostředkovaná mikroRNA reguluje zavedené onkogenní dráhy v glioblastomu“. Buňka. 147 (2): 370–81. doi:10.1016 / j.cell.2011.09.041. PMC  3214599. PMID  22000015.
  20. ^ A b Tentner, AR; Lee, MJ; Ostheimer, GJ; Samson, LD; Lauffenburger, DA; Yaffe, MB (31. ledna 2012). „Kombinovaná experimentální a výpočetní analýza signalizace poškození DNA odhaluje kontextově závislé role Erka při apoptóze a zastavení G1 / S po genotoxickém stresu“. Molekulární systémy biologie. 8: 568. doi:10.1038 / msb.2012.1. PMC  3296916. PMID  22294094.
  21. ^ A b Bozic, I; Antal, T; Ohtsuki, H; Carter, H; Kim, D; Chen, S; Karchin, R; Kinzler, KW; Vogelstein, B; Nowak, MA (26. října 2010). „Akumulace mutací řidiče a spolujezdce během progrese nádoru“. Sborník Národní akademie věd Spojených států amerických. 107 (43): 18545–50. arXiv:0912.1627. Bibcode:2010PNAS..10718545B. doi:10.1073 / pnas.1010978107. PMC  2972991. PMID  20876136.
  22. ^ A b Greenman, C; Stephens, P; Smith, R; Dalgliesh, GL; Hunter, C; Bignell, G; Davies, H; Teague, J; Butler, A; Stevens, C; Edkins, S; O'Meara, S; Vastrik, já; Schmidt, EE; Avis, T; Barthorpe, S; Bhamra, G; Buck, G; Choudhury, B; Clements, J; Cole, J; Dicks, E; Forbes, S; Gray, K; Halliday, K; Harrison, R; Hills, K; Hinton, J; Jenkinson, A; Jones, D; Menzies, A; Mironenko, T; Perry, J; Raine, K; Richardson, D; Shepherd, R; Malý, A; Tofts, C; Varian, J; Webb, T; West, S; Widaa, S; Yates, A; Cahill, DP; Louis, DN; Goldstraw, P; Nicholson, AG; Brasseur, F; Looijenga, L; Weber, BL; Chiew, YE; DeFazio, A; Greaves, MF; Zelená, AR; Campbell, P; Birney, E; Easton, DF; Chenevix-Trench, G; Tan, MH; Khoo, SK; Teh, BT; Yuen, ST; Leung, SY; Wooster, R; Futreal, PA; Stratton, MR (8. března 2007). „Vzory somatické mutace v genomech lidské rakoviny“. Příroda. 446 (7132): 153–8. Bibcode:2007Natur.446..153G. doi:10.1038 / nature05610. PMC  2712719. PMID  17344846.
  23. ^ A b C „Domovská stránka Atlasu rakovinového genomu“. Atlas rakovinového genomu - National Cancer Institute. 2018-06-13.
  24. ^ Benson, DA; Clark, K; Karsch-Mizrachi, I; Lipman, DJ; Ostell, J; Sayers, EW (leden 2014). „GenBank“. Výzkum nukleových kyselin. 42 (Problém s databází): D32–7. doi:10.1093 / nar / gkt1030. PMC  3965104. PMID  24217914.
  25. ^ Kodama, Y; Mashima, J; Kosuge, T; Katayama, T; Fujisawa, T; Kaminuma, E; Ogasawara, O; Okubo, K; Takagi, T; Nakamura, Y (leden 2015). „Archiv japonských genotypů a fenotypů DDBJ pro genetické a fenotypové údaje o lidech“. Výzkum nukleových kyselin. 43 (Problém s databází): D18–22. doi:10.1093 / nar / gku1120. PMC  4383935. PMID  25477381.
  26. ^ Cunningham, F; Amode, MR; Barrell, D; Beal, K; Billis, K; Brent, S; Carvalho-Silva, D; Clapham, P; Coates, G; Fitzgerald, S; Gil, L; Girón, CG; Gordon, L; Hodinář, T; Hunt, SE; Janáček, SH; Johnson, N; Juettemann, T; Kähäri, AK; Keenan, S; Martin, FJ; Maurel, T; McLaren, W; Murphy, DN; Nag, R; Overduin, B; Parker, A; Patricio, M; Perry, E; Pignatelli, M; Riat, HS; Sheppard, D; Taylor, K; Thormann, A; Vullo, A; Wilder, SP; Zadissa, A; Aken, BL; Birney, E; Harrow, J; Kinsella, R; Muffato, M; Ruffier, M; Searle, SM; Spudich, G; Trevanion, SJ; Yates, A; Zerbino, DR; Flicek, P (leden 2015). „Ensembl 2015“. Výzkum nukleových kyselin. 43 (Problém s databází): D662–9. doi:10.1093 / nar / gku1010. PMC  4383879. PMID  25352552.
  27. ^ A b Edgar, R; Domrachev, M; Lash, AE (1. ledna 2002). „Gene Expression Omnibus: NCBI genová exprese a úložiště dat hybridizačního pole“. Výzkum nukleových kyselin. 30 (1): 207–10. doi:10.1093 / nar / 30.1.207. PMC  99122. PMID  11752295.
  28. ^ Petryszak, R; Burdett, T; Fiorelli, B; Fonseca, NA; Gonzalez-Porta, M; Hastings, E; Huber, W; Jupp, S; Keays, M; Kryvych, N; McMurry, J; Marioni, JC; Malone, J; Megy, K; Rustici, G; Tang, AY; Taubert, J; Williams, E; Mannion, O; Parkinson, HE; Brazma, A (leden 2014). „Aktualizace Expression Atlas - databáze genové a transkripční exprese z experimentů funkční genomiky založených na čipech a sekvencích“. Výzkum nukleových kyselin. 42 (Problém s databází): D926–32. doi:10.1093 / nar / gkt1270. PMC  3964963. PMID  24304889.
  29. ^ "Databáze GPMDB Proteome".
  30. ^ „PRIDE Archive“.
  31. ^ Uhlen, M; Oksvold, P; Fagerberg, L; Lundberg, E; Jonasson, K; Forsberg, M; Zwahlen, M; Kampf, C; Wester, K; Hober, S; Wernerus, H; Björling, L; Ponten, F (prosinec 2010). „Směrem ke znalostnímu atlasu lidských proteinů“. Přírodní biotechnologie. 28 (12): 1248–50. doi:10.1038 / nbt1210-1248. PMID  21139605.
  32. ^ „Databáze lidských metabolomů“.
  33. ^ „Regulace genů“. www.gene-regulation.com.
  34. ^ „JASPAR 2018: Databáze otevřeného přístupu profilů vazebných transkripčních faktorů“.
  35. ^ „ENCODE: Encyclopedia of DNA Elements - ENCODE“.
  36. ^ Li, JH; Liu, S; Zhou, H; Qu, LH; Yang, JH (leden 2014). „starBase v2.0: dekódování miRNA-ceRNA, miRNA-ncRNA a protein-RNA interakčních sítí z rozsáhlých dat CLIP-Seq“. Výzkum nukleových kyselin. 42 (Problém s databází): D92–7. doi:10.1093 / nar / gkt1248. PMC  3964941. PMID  24297251.
  37. ^ „MiRTarBase: Experimentálně ověřená databáze interakcí microRNA-cíl“.
  38. ^ Keshava Prasad, TS; Goel, R; Kandasamy, K; Keerthikumar, S; Kumar, S; Mathivanan, S; Telikicherla, D; Raju, R; Shafreen, B; Venugopal, A; Balakrishnan, L; Marimuthu, A; Banerjee, S; Somanathan, DS; Sebastian, A; Rani, S; Ray, S; Harrys Kishore, CJ; Kanth, S; Ahmed, M; Kashyap, MK; Mohmood, R; Ramachandra, YL; Krišna, V; Rahiman, BA; Mohan, S; Ranganathan, P; Ramabadran, S; Chaerkady, R; Pandey, A (leden 2009). „Referenční databáze lidských proteinů - aktualizace 2009“. Výzkum nukleových kyselin. 37 (Problém s databází): D767–72. doi:10.1093 / nar / gkn892. PMC  2686490. PMID  18988627.
  39. ^ Chatr-Aryamontri, A; Breitkreutz, BJ; Oughtred, R; Boucher, L; Heinicke, S; Chen, D; Stark, C; Breitkreutz, A; Kolas, N; O'Donnell, L; Reguly, T; Nixon, J; Ramage, L; Zima, A; Sellam, A; Chang, C; Hirschman, J; Theesfeld, C; Rust, J; Livstone, MS; Dolinski, K; Tyers, M (leden 2015). „Interakční databáze BioGRID: aktualizace 2015“. Výzkum nukleových kyselin. 43 (Problém s databází): D470–8. doi:10.1093 / nar / gku1204. PMC  4383984. PMID  25428363.
  40. ^ „PhosphoSitePlus“.
  41. ^ Keshava Prasad, TS; Goel, R; Kandasamy, K; Keerthikumar, S; Kumar, S; Mathivanan, S; Telikicherla, D; Raju, R; Shafreen, B; Venugopal, A; Balakrishnan, L; Marimuthu, A; Banerjee, S; Somanathan, DS; Sebastian, A; Rani, S; Ray, S; Harrys Kishore, CJ; Kanth, S; Ahmed, M; Kashyap, MK; Mohmood, R; Ramachandra, YL; Krišna, V; Rahiman, BA; Mohan, S; Ranganathan, P; Ramabadran, S; Chaerkady, R; Pandey, A (leden 2009). „Referenční databáze lidských proteinů - aktualizace 2009“. Výzkum nukleových kyselin. 37 (Problém s databází): D767–72. doi:10.1093 / nar / gkn892. PMC  2686490. PMID  18988627.
  42. ^ Chatr-Aryamontri, A; Breitkreutz, BJ; Oughtred, R; Boucher, L; Heinicke, S; Chen, D; Stark, C; Breitkreutz, A; Kolas, N; O'Donnell, L; Reguly, T; Nixon, J; Ramage, L; Zima, A; Sellam, A; Chang, C; Hirschman, J; Theesfeld, C; Rust, J; Livstone, MS; Dolinski, K; Tyers, M (leden 2015). „Interakční databáze BioGRID: aktualizace 2015“. Výzkum nukleových kyselin. 43 (Problém s databází): D470–8. doi:10.1093 / nar / gku1204. PMC  4383984. PMID  25428363.
  43. ^ NHGRI, Tony Burdett, Emma Hastings, Dani Welter, SPOT, EMBL-EBI. "Katalog GWAS". www.ebi.ac.uk.
  44. ^ „Home - dbGaP - NCBI“. www.ncbi.nlm.nih.gov.
  45. ^ „Domovská stránka dbSNP“. www.ncbi.nlm.nih.gov.
  46. ^ „Databáze KEGG PATHWAY“. www.genome.jp.
  47. ^ „Home - Reactome Pathway Database“. reagovatome.org.
  48. ^ Carro, MS; Lim, WK; Alvarez, MJ; Bollo, RJ; Zhao, X; Snyder, EY; Sulman, EP; Anne, SL; Doetsch, F; Colman, H; Lasorella, A; Aldape, K; Califano, A; Iavarone, A (21. ledna 2010). „Transkripční síť pro mezenchymální transformaci mozkových nádorů“. Příroda. 463 (7279): 318–25. Bibcode:2010Natur.463..318C. doi:10.1038 / nature08712. PMC  4011561. PMID  20032975.
  49. ^ Huang, SS; Clarke, DC; Gosline, SJ; Labadorf, A; Chouinard, ČR; Gordon, W; Lauffenburger, DA; Fraenkel, E (2013). „Propojení proteomických a transkripčních dat prostřednictvím interaktomu a epigenomu odhaluje mapu signalizace indukované onkogenem“. PLoS výpočetní biologie. 9 (2): e1002887. Bibcode:2013PLSCB ... 9E2887H. doi:10.1371 / journal.pcbi.1002887. PMC  3567149. PMID  23408876.
  50. ^ Pascal, J; Nositel, EL; Wang, Z; Koay, EJ; Curley, SA; Cristini, V (27. srpna 2013). „Mechanická prediktivní korelace specifické pro pacienta s odpovědí na léky na nádory s měřením mikroprostředí a perfúze“. Sborník Národní akademie věd Spojených států amerických. 110 (35): 14266–71. Bibcode:2013PNAS..11014266P. doi:10.1073 / pnas.1300619110. PMC  3761643. PMID  23940372.
  51. ^ Hill, SM; Lu, Y; Molina, J; Heiser, LM; Spellman, PT; Rychlost, TP; Gray, JW; Mills, GB; Mukherjee, S (1. listopadu 2012). „Bayesiánský závěr topologie signalizační sítě v linii rakovinných buněk“. Bioinformatika. 28 (21): 2804–10. doi:10.1093 / bioinformatika / bts514. PMC  3476330. PMID  22923301.
  52. ^ Mills, GB (únor 2012). „Vznikající sada nástrojů pro cílené léčby rakoviny“. Výzkum genomu. 22 (2): 177–82. doi:10,1101 / gr. 136044.111. PMC  3266025. PMID  22301131.
  53. ^ Metzcar, John; Wang, Yafei; Heiland, Randy; Macklin, Paul (04.02.2019). „Přehled buněčného výpočetního modelování v biologii rakoviny“. JCO Clinical Cancer Informatics. 3 (3): 1–13. doi:10.1200 / CCI.18.00069. PMC  6584763. PMID  30715927.
  54. ^ Schoeberl, B; Kudla, A; Masson, K; Kalra, A; Curley, M; Finn, G; Pace, E; Harms, B; Kim, J; Kearns, J; Fulgham, A; Burenkova, O; Grantcharova, V; Yarar, D; Paragas, V; Fitzgerald, J; Wainszelbaum, M; West, K; Mathews, S; Nering, R; Adiwijaya, B; Garcia, G; Kubasek, B; Moyo, V; Czibere, A; Nielsen, UB; MacBeath, G (2017). „Systémová biologie podporující vývoj léků: od návrhu po klinické testování protilátky proti ErbB3 seribantumabu (MM-121)“. Biologie a aplikace systémů NPJ. 3: 16034. doi:10.1038 / npjsba.2016.34. PMC  5516865. PMID  28725482.
  55. ^ Wang, Z; Deisboeck, TS (únor 2014). "Matematické modelování při objevování léků na rakovinu". Objev drog dnes. 19 (2): 145–50. doi:10.1016 / j.drudis.2013.06.015. PMID  23831857.
  56. ^ Bekkal Brikci, F; Clairambault, J; Ribba, B; Perthame, B (červenec 2008). "Model buněčné populace strukturovaný podle věku a cyklinů pro zdravé a nádorové tkáně". Journal of Mathematical Biology. 57 (1): 91–110. doi:10.1007 / s00285-007-0147-x. PMID  18064465.
  57. ^ Yankeelov, TE; Abramson, RG; Quarles, CC (listopad 2014). „Kvantitativní multimodální zobrazování ve výzkumu a terapii rakoviny“. Recenze přírody. Klinická onkologie. 11 (11): 670–80. doi:10.1038 / nrclinonc.2014.134. PMC  4909117. PMID  25113842.
  58. ^ Bulletin o rakovině NCI. 24. února 2004. V1, 8. p5-6
  59. ^ Jemní; Gallahan (2011). „Systémová biologie: řešení složitosti rakoviny“. Cancer Res. 71 (18): 5961–5964. doi:10.1158 / 0008-5472.CAN-11-1569. PMC  3174325. PMID  21896642.