• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Cancers >A Computational Framework for Prediction and Analysis of Cancer Signaling Dynamics from RNA Sequencing Data—Application to the ErbB Receptor Signaling Pathway
【2h】

A Computational Framework for Prediction and Analysis of Cancer Signaling Dynamics from RNA Sequencing Data—Application to the ErbB Receptor Signaling Pathway

机译：从RNA测序数据应用到ERBB受体信号通路的癌症信号动力学预测和分析的计算框架

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Temporal signaling dynamics are important for controlling the fate decisions of mammalian cells. In this study, we developed BioMASS, a computational platform for prediction and analysis of signaling dynamics using RNA-sequencing gene expression data. We first constructed a detailed mechanistic model of early transcriptional regulation mediated by ErbB receptor signaling pathway. After training the model parameters against phosphoprotein time-course datasets obtained from breast cancer cell lines, the model successfully predicted signaling activities of another untrained cell line. The result indicates that the parameters of molecular interactions in these different cell types are not particularly unique to the cell type, and the expression levels of the components of the signaling network are sufficient to explain the complex dynamics of the networks. Our method can be further expanded to predict signaling activity from clinical gene expression data for in silico drug screening for personalized medicine.
机译：时间信号传导动态对于控制哺乳动物细胞的命运决策非常重要。在本研究中，我们开发了生物量，用于使用RNA测序基因表达数据的预测和分析信号动态的计算平台。我们首先构建了ERBB受体信号通路介导的早期转录调节的详细机制模型。在培训磷蛋白时间过程中从乳腺癌细胞系中获得的磷蛋白时间课程的模型参数后，模型成功地预测了另一个未训练的细胞系的信号活动。结果表明，这些不同小区类型中的分子交互参数对小区类型不是特别独特的，并且信令网络的组件的表达水平足以解释网络的复杂动态。我们的方法可以进一步扩展以预测来自临床基因表达数据的信号活性，用于个性化药物的硅药物筛选。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号