합성 치명적인 상호 작용을 대상으로 하는 약물 조합을 식별 하기 위해 데이터 통합 워크플로우

요약

모형 유기체에 있는 큰 유전 스크린은 부정적인 유전 상호 작용의 확인으로 이끌어 냈습니다. 여기에서는 모델 유기체의 유전 화면에서 데이터를 사용하여 암에 있는 합성 치명적인 상호 작용을 표적으로 하는 약물 조합을 설명하는 데이터 통합 워크플로우를 설명합니다.

초록

두 유전자 사이의 합성 치명적인 상호 작용은 두 유전자 중 하나를 노크 아웃 세포 생존가능성에 영향을 미치지 않지만 두 합성 치명적인 인터랙터 모두의 노크 아웃이 세포 생존 가능성 또는 세포 사망의 손실로 이어질 때 주어집니다. 가장 잘 연구 된 합성 치명적인 상호 작용은 BRCA1/2와 PARP1 사이, PARP1 억제제는 BRCA1/2 돌연변이 종양환자를 치료 하기 위해 임상 사례에서 사용 되 고. 모형 유기체에 있는 대형 유전 스크린 뿐 아니라 haploid 인간 세포주에서 수많은 추가적인 합성 치명적인 상호 작용 쌍의 확인으로 이끌어 냈습니다, 모두 새로운 종양 치료의 발달에 관심있는 잠재적인 표적이 되고. 한 가지 접근법은 관심있는 종양에서 돌연변이되거나 현저하게 다운 규제되는 합성 치명적인 상호 작용기를 가진 유전자를 치료적으로 표적으로 하는 것입니다. 두 번째 접근법은 합성 치명적인 상호 작용을 해결하는 약물 조합을 공식화하는 것입니다. 이 문서에서는 데이터 통합 워크플로우에 대해 설명하여 합성 치명적인 상호 작용을 대상으로 하는 약물 조합을 평가하고 식별합니다. 우리는 합성 치명적인 상호 작용 쌍에 사용 가능한 데이터 세트를 사용, homology 매핑 자원, 전용 데이터베이스에서 약물 대상 링크, 관심의 질병 영역에서 임상 시험에서 조사 되는 약물에 대 한 정보. 우리는 또한 난소와 유방암의 맥락에서 약 조합 평가에 우리의 단의 2개의 최근 연구 결과의 중요한 사실 인정을 강조합니다.

서문

합성 치사성은 1개의 유전자의 손실이 생존에 영향을 미치지 않는 2개의 유전자의 협회를 정의합니다, 그러나 두 유전자의 손실은 세포 죽음으로 이끌어 냅니다. 1946년 도브잔스키가 호모자구^{돌연변이를}사육하여 drosophila의 다양한 표현형을 분석하면서 처음 기술되었다. 실행 가능한 자손을 생산하지 않은 돌연변이, 비록 실행 가능한 자체, 합성 치사 이론의 설립을위한 기초를 설정, 특정 다른 돌연변이와 교차 할 때 치명적인 표현형을 전시. Hartwell과 동료는 이 개념이 인간에 있는 암 치료에 적용될 지도 모르다^2. 약리학적으로 자극된 합성 치사성은 돌연변이 유전자의 합성 치명적인 파트너가 약리학적 화합물에 의해 표적으로 할 수 있다는 점을 감안할 때 단 하나의 돌연변이에 의지할 수 있었습니다. 합성 치사성의 약리학적 인유도를 가능하게 하는 첫번째 유전자 쌍은 BRCA (1/2) 및 PARP1이었습니다. PARP1은 DNA 손상을 위한 센서로서 기능하며, 이중 및 단일 DNA 가닥 브레이크, 슈퍼코일 및 크로스오버^3의부위에 묶여 있다. BRCA1 및 2는 동종 재조합^4를통해 DNA 이중 가닥 휴식의 수리에 중요한 역할을한다. 농부와 동료는 BRCA1/2에 대한 세포 결핍이 PARP 억제에 취약하다는 사실 인정을 간행했습니다, 어떤 세포 독성이 BRCA 야생 형 세포에서 관찰되지 않는 동안^5. 궁극적으로, PARP 억제제는 BRCA 결핍 유방 및 난소암^6,7의처리를 위해 승인되었습니다. 또한, 약리학적 화합물의 임상 승인으로 이어지는 합성 치사 유전자 쌍은 많은 기대와 최근 암 연구 노력의 주요 영역^8.

합성 치명적인 유전자 상호 작용은 과일 파리, C. 예르간 및 효모^2를포함하여 다중 유기체에서 모델링되었습니다. RNA 간섭 및 CRISPR/CAS 라이브러리 녹아웃을 포함한 다양한 접근법을 사용하여 최근^{9년,10,11에서}새로운 합성 치명적인 유전자 쌍이 발견되었습니다. CRISPR/CAS와 함께 RNAi의 실험 절차에 대한 프로토콜은 최근 Housden 및 동료^12에의해 출판되었다. 한편, 연구원은 또한 합성 치명적인 상호 작용을 식별 하기 위해 haploid 인간 세포에 큰 화면을 실시^13,14. 생물학적 네트워크 분석 및 기계 학습과 같은 실리코 방법에서도 합성 치명적인 상호 작용^{15, 16의}발견에 대한 약속을^{보여주었습니다.}

개념적으로, 항 종양 치료의 맥락에서 합성 치명적인 상호 작용을 사용하는 한 가지 접근법은 종양 세포에서 돌연변이 또는 비 기능성 단백질을 식별하는 것입니다, 치료 개입에 대한 약물 목표를 약속 하는 그들의 합성 치명적인 상호 작용 파트너를 만들기. 대부분의 종양 모형의 이질성 때문에, 연구원은 소위 합성 치명적인 허브 단백질을 위한 수색을 시작했습니다. 이러한 합성 치명적인 허브는 종양 샘플에서 돌연변이및 따라서 비 기능 또는 현저하게 다운 규제되는 다수의 합성 치명적인 상호 작용 파트너가 있습니다. 이러한 합성 치명적인 허브를 해결 하는 것은 약물 효능을 증가 또는 vincristine 내성 신경 아 세포종의 맥락에서 예를 들어 표시 될 수 있는 약물 저항을 극복에 약속을 보유^17. 합성 치명적인 상호 작용의 개념을 사용 하 여 약물 치료를 향상 시키기 위해 두 번째 접근 은 합성 치명적인 상호 작용을 대상으로 약물 조합을 식별 하는. 이것은 이미 승인된 단 하나 항종양 치료의 새로운 조합및 종양학의 필드에 그밖 질병 지역에서 약의 재배치로 이끌어 낼 수 있었습니다.

이 문서에서는 합성 치명적인 상호 작용 쌍을 대상으로 하는 약물 조합 목록을 산출하는 단계별 절차를 제시합니다. 이 워크플로우에서, 우리(i)는 BioGRID의 합성 치명적인 상호 작용에 대한 데이터를 사용하고 (ii) Ensembl에서 동종 유전자에 대한 정보, (iii) DrugBank에서 약물 표적 쌍을 검색하고, (iv) ClinicalTrials.gov 질병-약물 협회를 구축하고, (v) 따라서 합성 치명적인 상호 작용을 해결하는 약물 조합세트를 생성한다. 마지막으로, 대표적인 결과 섹션에서 난소와 유방암의 맥락에서 약물 조합을 제공합니다.

프로토콜

1. 합성 치명적인 유전자 쌍 검색

1. BioGrid에서 데이터 검색.
   1. 웹 브라우저를 사용하거나 컬 또는 wget^18을사용하여 리눅스 명령줄에서 직접 https://downloads.thebiogrid.org/Download/BioGRID/Latest-Release/BIOGRID-ALL-LATEST.tab2.zip 탭2 형식으로 최신 BioGRID 상호 작용 파일을 다운로드합니다.
      
      ##download 최신 BioGRID 상호 작용 파일 의 압축을 풀기
      #download 컬을 사용하여 최신 BioGRID 상호 작용 파일
      컬 -o biogrid_latest.zip https://downloads.thebiogrid.org/Download/BioGRID/Latest-Release/BIOGRID-ALL-LATEST.tab2.zip
      다운로드한 데이터 파일을 #unpack
      지퍼 biogrid_latest.zip
      BG="바이오그리드-올-3.5.171.tab2.txt"
       
   2. zip 아카이브를 다운로드한 후 아카이브를 풀고 실제 데이터 집합 파일(BIOGRID-ALL-X)의 이름을 기록해야 합니다. 후속 단계에 대한 X.X.tab2.txt) BioGRID 데이터 파일은 다음 단계에서 필터링될 다양한 유형의 상호 작용을 보유합니다.
      참고: 합성 치명적인 상호 작용을 보유 하는 다른 소스 (예를 들어, DRYGIN, SynlethDB) 존재, 토론에 설명 된 대로.
2. 합성 치사및 부정적인 유전 상호 작용 (실험 시스템)에 대한 필터.
   1. 합성 치명적인 상호 작용을 식별 하기 위해 상호 작용에 대 한 증거를 지원 의 특성을 나타내는 열 "실험 시스템"(열 번호 12)에서 정보를 사용 합니다.
   2. 데이터 집합을 음수 유전 또는 합성 치사성 값을 가진 항목으로 제한합니다. 같은 단계에서 는 아래 표 1에 나열된 후속 분석 단계에 관련된 열을 필터링하고 유지합니다.
      
      ##restrict 관련 컬럼에 BioGRID 상호 작용 파일을 유지하고 부정적인 유전 및 합성 치사성으로 분류 된 상호 작용을 유지
      컷 -d "^I" -f 1,8,9,9,12,16,17 "${BG}" \
      | awk -F "\t" 'BEGIN{
      OFS="\t"
      }
      {
      if(NR == 1){
      인쇄 $0
      }다른 경우 ($4 == "부정적인 유전" || $4 == "합성 치사"){
      인쇄 $0
      }
      }' > bg_synlet.txt
      
      참고: 코드 조각에서 ^나는 수평 탭을 나타내는 데 사용됩니다. 합성 성장 결함과 같은 추가 BioGRID 범주가 포함될 수 있다. 이 워크플로에 대한 관련성의 다른 열은 표 1에나열됩니다. BioGRID는 또한 개별 상호 작용에 대한 점수를 유지합니다. 컷오프는 강한/높은 신뢰도 상호 작용을 식별하는 데 사용될 수 있습니다.

열 번호	열 헤더 이름
3	유전자 이름
12	종
13	약물 아이디

표 1: BioGRID 데이터 파일의 관련 열입니다.

3. 합성 치명적인 상호 작용이 보고 된 종을 식별합니다.
   1. 합성 치명적인 상호 작용 파트너 세금-IDs의 수를 결정 하 고 유기 체 당 사용 가능한 합성 치명적인 상호 작용의 수에 대 한 추정을 얻을.
      
      ##count 이전에 추출된 합성 치명적인 상호 작용에서 각 세금 ID의 출현 수
      컷 -d "^I" -f5,6 bg_synlet.txt | 꼬리 -n +2 | tr "\t" "\n" \
      | 정렬 | 유니크 -c | 정렬 -r -g
      
      참고: 1단계의 결과로, 상호 작용이 결정된 유기체의 유전자 심볼과의 합성 치명적인 상호 작용 목록. 합성 치명적인 상호 작용의 대다수는 모형 유기체에서 결정되었습니다. 스프레드시트 프로그램(예: Excel)에 파일을 로드할 때 유전자 기호^19,20을망치지 않도록 하십시오.

2. 합성 치명적인 유전자 쌍을 인간 정형 교정으로 변환

1. 1.3단계에서 확인된 관련 모델 유기체에 대한 인간 정형전을 검색합니다.
   1. Ensembl BioMart^21에서 인간 정형소그를 검색하여 각각의 모델 유기체 유전자 데이터 집합을 인간 유전자 데이터 세트와 연결합니다. 이 작업을 위해 모델 유기체 및 정형 소인 유전자의 유전자를 나타내는 유전자 기호를 사용합니다. Ensembl BioMart 웹 서비스를 사용하여 검색 프로세스를 자동화하고 정형 전 유전자 쌍을 검색하기 위해 BioMart RESTful 액세스로 직접 쿼리를 보냅니다(자세한 내용은 아래 예제 및 Ensembl BioMart 도움말 및 문서 참조).
      
      ##retrieve 엔셈블 바이오마트의 사카로미세스 세레비시아에 대한 인간 정형전은 컬을 사용하여 바이오마트 쿼리를 바이오마트 RESTful 액세스 서비스로 직접 전송합니다.
      컬 -o s_cerevisiae.txt --데이터 urlencode '쿼리=
      
      <쿼리 가상스키마네임 = "기본" 포매트 = "TSV" 헤더 = "0" 고유로우 = "1" 카운트 = "" 데이터 집합ConfigVersion = "0.6" >
      
      <데이터세트 이름 = "scerevisiae_gene_ensembl" 인터페이스 = "기본" >
      <특성 이름 = "external_gene_name" />
      
      
      <데이터세트 이름 = "hsapiens_gene_ensembl" 인터페이스 = "기본" >
      <특성 이름 = "external_gene_name" />
      
      
      ' "http://www.ensembl.org/biomart/martservice"
      
      다른 모델 유기체에 대한 정형 처리 인간 유전자를 검색하기 위해, 제 1 데이터 집합 요소의 이름 속성값을 각각의 Ensembl 데이터 세트의 이름으로 바꾸고 쿼리를 다시 실행한다.
      
      참고: 정형교정 과정은 Ensembl BioMart 도움말 및 문서(http://www.ensembl.org/info/data/biomart/biomart_combining_species_datasets.html)에 잘 문서화되어 있습니다.
   2. URL http://www.ensembl.org/biomart/martview/9b71da1415aba480a52b8dc7dd554d63?VIRTUALSCHEMANAME=default&ATTRIBUTES=scerevisiae_gene_ensembl.default.feature_page.external_gene_name|hsapiens_gene_ensembl.default.page.external_gene_name&FILTERS=&VISIBLEPANEL=linkattributepanel을 통해 1.3단계에서 확인된 상위 종인 사카로미세스 세레비시아에 대한 인간 정형학에 대한 BioMart 쿼리에 대한 예에 액세스합니다.
      참고: 이 원고의 토론 섹션에 설명된 대로 상동성 매핑을 위한 다른 소스(예: 검거, 오마 브라우저, HomoloGene, inparanoid)가 존재합니다.
2. 합성 치명적인 상호 작용을 추출하는 인간의 직교를 추가합니다.
   1. 2.1 단계에서 검색된 교정 쌍과 유기체 세금 ID 및 유전자 기호를 기반으로 합성 치명적인 상호 작용에 참여하십시오. 인간 합성 치명적인 상호 작용 쌍의 경우 데이터 집합에 존재하는 각 인간 유전자에 대한 인공 정형 소 쌍을 만들거나 인간 합성 치명적인 상호 작용이 새로 추가 된 컬럼으로 인간 유전자 기호를 결합하고 전송하는 동안 폐기되지 않도록하십시오.
      
      ##collect 단일 파일에 치열 교정 매핑 및 합성 치명적인 상호 작용 파일과 결합
      직교 매핑을 수집하기 위한 헤더가 있는 대상 파일 #create
      에코 "tax_id/gene_symbol^Ihuman_gene_symbol" > 매핑.txt
      
      각 모델 유기체에 대한 이 단계를 #repeat 입력 파일 이름과 세금 ID를 조정하십시오.
      매핑의 새 항목을 s_cerevisiae.txt 각 정형 소에 대한 #adds.txt: 유전자 기호는 합성 치명적인 상호 작용 파일과 후속 결합을 용이하게하기 위해 세금 ID와 사전 고정
      awk -F "\t" 'BEGIN{
      OFS="\t"
      org_tax_id="559292"
      }
      {
      if ($1!= "" & $2 != """){{
      인쇄 org_tax_id"/"$1, $2
      }
      }' s_cerevisiae.txt >> 매핑.txt
      
      인간 유전자에 대한 #create 인공 매핑 항목
      awk -F "\t" 'BEGIN{
      OFS="\t"
      human_tax_id="9606"
      }
      {
      if($5 == human_tax_id){
      인쇄 $5"/"$2, $2
      }
      if($6 == human_tax_id){
      인쇄 $6"/"$3, $3
      }
      }' bg_synlet.txt | 정렬 -u >> 매핑.txt
      
      #add 합성 치명적인 상호 작용에 필요한 키 (세금 ID / 유전자 기호)
      awk -F "\t" 'BEGIN{
      OFS="\t"
      }
      {
      if(NR == 1){
      인쇄 $0, "키 상호 작용자 A", "키 상호 작용자 B"
      }기타{
      인쇄 $0, $5"/"$2, $6"/"$3
      }
      }' bg_synlet.txt > tmp_bg_synlet_w_keys.txt
      
      #join 치열 교정 쌍과의 합성 치명적인 상호 작용
      tmp_bg_synlet_w_keys.txt 매핑.txt 7 1 > tmp를 병합합니다.txt
      tmp.txt 매핑.txt 8 1 > bg_synlet_mapped.txt 병합
      
      참고: 이 예제에서 사용되는 병합 명령은 표준 유닉스 명령이 아닙니다. 그러나 GNU 핵심 유틸리티의 도움으로 구현하는 것은 간단합니다. 명령 조인과 결합하기 전에 파일을 정렬하는 복잡성을 숨기도록 명령이 도입되었습니다. 병합의 구현은 https://github.com/aheinzel/merge-sh 찾을 수 있습니다.
   2. 어떤 유전자 식별자의 사용은 최상의 결과를 위해 특정 네임스페이스에서 유전자를 고유하게 식별한다.
      참고: 2단계는 인간 유전자에 매핑된 여러 유기체의 합성 치명적인 상호 작용 목록을 생성합니다.

3. 합성 치명적인 상호 작용 파트너를 약물에 매핑

1. DrugBank에서 약물 대상 쌍을 검색합니다.
   1. DrugBank의 다운로드 섹션에서 DrugBank 데이터를 다운로드하고 이미^22를생성하지 않은 경우 먼저 계정을 만듭니다. 약물 대상 식별자(단백질 식별자 섹션: https://www.drugbank.ca/releases/latest#protein-identifiers)와 DrugBank 어휘(개방형 데이터 섹션: https://www.drugbank.ca/releases/latest#open-data)와 함께 약물 대상 식별자 및 이름을 사용하여 CSV 파일을 사용합니다. 또는 XML 데이터베이스 덤프에서 필요한 정보를 추출합니다.
      
      ##restrict 관련 컬럼에 DrugBank 약물 대상 파일을 유지하고 인간 분자 실체에 대한 항목만 유지
      DB_TARGETS="모두.csv"
      DB_NAMES="마약 은행 어휘.csv"
      
      관련 열 및 리모핀을 #extract 탭을 열 분리기로 사용합니다.
      csvtool 콜 3,12,13 -u TAB "${DB_TARGETS}" > target_to_drugs_agg.txt
      
      awk -F "\t" 'BEGIN{
      OFS="\t"
      }
      {
      if(NR == 1 || $2 == "인간"){
      인쇄 $1, $3
      }
      }' target_to_drugs_agg.txt > human_target_to_drugs_agg.txt
      
      참고: DrugBank 데이터는 두 가지 주요 형식으로 제공됩니다. 전체 데이터베이스는 XML 파일로 사용할 수 있습니다. 또한 대부분의 데이터는 일련의 CSV(쉼표 구분값) 파일에서 사용할 수 있습니다.
   2. 또한 약국은 비인간 약물 목표를 기록합니다. 종 컬럼(열 번호 12)은 인간 약물 표적을 추출하는 데 사용될 수 있다.
      참고: 추출된 열의 가독성 이름을 보려면 표 2에제공됩니다. 다른 소스 (예를 들어, 치료 대상 데이터베이스 또는 Chembl) 약물 대상 링크를 보유, 토론 섹션에 설명 된 대로.

열 번호	열 헤더 이름
3	유전자 이름
12	종
13	약물 아이디

2. 약물 표적에 약물 이름을 추가합니다.
   1. 약물 이름과 약물 표적 정보는 두 개의 별도 CSV 파일에 제공되기 때문에 두 파일에서 정보를 병합하여 합성 치명적인 상호 작용 파트너를 대상으로 하는 약물의 이름을 합성 치명적인 상호 작용에 추가합니다. 일반적인 DrugBank-drug-ID 열을 사용하여 두 데이터 집합에 참여하십시오. 약물 표적 데이터 집합을 먼저 정상화하여 단일 DrugBank-drug-ID만 행당 포함되며, 초기 파일은 여러 약물의 표적이 되는 경우 여러 DrugBank 약물 ID를 연속으로 보유할 수 있기 때문에.
      
      ##generate 약물 표적 유전자 기호, DrugBank 약물 ID 및 약물 이름을 들고 있는 단일 파일
      #normalize 약물 대상 데이터 집합
      awk -F "\t" 'BEGIN{
      OFS="\t"
      }
      {
      if(NR == 1){
      인쇄 $0
      }다른 경우 ($1!= """&$2!= """){
      분할($2, drug_targets, ";")
      for (drug_targets){
      drug_target = drug_targets[i]
      gsub (/, "", drug_target)
      인쇄 $1, drug_target | "sort-u"
      }
      }
      }' human_target_to_drugs_agg.txt > human_target_to_drug.txt
      
      #extract 관련 열 및 리모핀으로 탭을 열 구분기로 사용
      csvtool 콜 1,3 -u 탭 "${DB_NAMES}" > drugbank_id_to_name.txt
      
      병합 human_target_to_drug.txt \
      drugbank_id_to_name.txt 2 1 > db_human_drug_targets.txt
      
      참고 : 칼럼 1 과 3 마약 은행 어휘에.csv 파일은 DrugBank 마약 ID와 각 이름을 보유하고 있습니다.

3. 합성 치명적인 상호 작용 데이터 집합에 합성 치명적인 상호 작용 파트너를 대상으로 약물을 추가합니다.
   1. 합성 치명적인 상호 작용에 약물을 추가 하는 유전자 심볼 열을 사용 하 여 이전 단계에서 생성 된 약물 표적 약물 이름 파일합성 치명적인 상호 작용 데이터 집합에 가입. 각 합성 치명적인 상호 작용의 두 파트너에 대 한 약물 이름을 추가 하는 주의.
       
      ##enhance 각 합성 치명적인 상호 작용의 파트너를 대상으로 약물을 추가하여 합성 치명적인 상호 작용 파일
      9 1 > tmp bg_synlet_mapped.txt db_human_drug_targets.txt 병합.txt
      병합 tmp.txt db_human_drug_targets.txt 10 1 > bg_synlet_mapped_drugs.txt
      
      참고: 3단계는 이러한 유전자를 대상으로 하는 정형소 인간 유전자 및 약물과 여러 유기체의 합성 치명적인 상호 작용을 초래합니다.

4. 임상 시험에서 현재 테스트 된 약물 조합 세트 설정

1. ClinicalTrials.gov 데이터에 액세스할 수 있습니다.
   1. (i) 개별 시험, (ii) 검색 쿼리로 인한 시험 또는 (iii) 데이터베이스의 모든 시험에서 ClinicalTrials.gov XML 형식으로 임상 시험에 대한 정보를 검색합니다. 또는 관계형 데이터베이스에서 ClinicalTrials.gov 모든 데이터를 호스팅하는 임상 시험 변환 이니셔티브에서 제공하는 리소스를 사용하십시오. 자세한 내용은 4.4 단계를 참조하십시오.
      참고: 임상 시험 변환 이니셔티브가 호스팅하는 클라우드 호스팅 데이터베이스 인스턴스에 액세스하려면 무료 계정이 필요합니다. 또한 plsql 클라이언트가 필요합니다.
2. 중재 적 시험에 초점을 맞춥니다.
3. 관심 표시에 대한 특정 시험을 필터링합니다.
   참고: ClinicalTrials.gov NCBI 의료 과목 제목(MeSH) 제어 어휘에서 질병 이름을 제공합니다. 제출자가 질병 이름을 제공한 것과는 달리, 통제된 어휘는 관심의 표시를 위한 예심을 효율적으로 식별할 수 있습니다. 그럼에도 불구하고 NCBI MeSH가 제어하는 어휘는 동의어라는 점을 명심해야 합니다. 따라서 일반적인 관심 표시에 자녀 /좁은 용어가 있는 경우 MeSH 브라우저(https://meshb.nlm.nih.gov)를 확인하고 적절한 경우 포함하십시오.
4. 이 예심에서 시험된 약과 함께 확인된 예심을 검색합니다. 난소암의 일반적인 표시에 있는 예심을 위한 쿼리는 아래에 제공됩니다.
   
   ##retrieve 임상 시험 변환 이니셔티브에서 일반적인 표시 난소암에 대한 중재 시험은 ClinicalTrials.gov 데이터를 포함하는 관계형 데이터베이스를 호스팅
   고양이 <\pset 푸터 끄기
   고유한 s.nct_id, s.brief_title, i.intervention_type, i.name 선택
   에서 연구
   내부 조인 browse_conditions c ON (s.nct_id = c.nct_id)
   내부 조인 개입 i ON (s.nct_id = i.nct_id)
   s.study_type = '중재'
   c.mesh_term
   '난소신생물',
   '암종, 난소 상피',
   '과립세포 종양',
   '유전 유방 및 난소암 증후군',
   '루테마',
   '메이그 증후군',
   '세르톨리-레이디그 세포 종양',
   '테코마'
   )
   s.nct_id, i.intervention_type 의해 주문;
   EOF
   psql --host="aact-db.ctti-clinicaltrials.org"--사용자 이름="XXX" --암호 --노 정렬 --필드 구분="^I" --출력="clinical_trials.txt" aact

5. 약물 이름과 지도를 DrugBank 이름으로 추출합니다.
   참고: 임상 시험에서 검색된 약물 이름을 직접 사용하는 것은 유혹적이지만 ClinicalTrials.gov 개입 이름이 제출자에서 무료 텍스트로 입력된다는 것을 알아야 합니다. 결과적으로, 이름은 표준화되지 않고, 브랜드 이름은 공통 복합 이름 대신 사용될 수 있으며 적절한 데이터 정규화(예: 한 항목의 여러 약물 이름)에 대한 보장은 없습니다. 또한 약물이 약물과 다른 다른 내정간섭 유형으로 제출되는 것이 일반적입니다. 따라서, DrugBank 약물 이름에 검색 된 개입 이름의 매핑은 가장 수동으로 수행된다.
   
     ##Obtain 이전에 검색된 임상 시험 집합에 사용된 내정간섭 목록을 #Obtain.
   컷 -d "^I" -f3,4 clinical_trials.txt | 꼬리 -n +2 | sort -u
   
   참고: 각각 3열과 4개의 보류 유형의 개입 및 개입 이름입니다.

6. 지침서에서 이미 임상 사용 약물로 보완
   참고: 4단계는 관심의 표시를 위해 평가/사용 중인 약물 목록을 작성합니다.

5. 합성 치명적인 상호 작용을 대상으로 하는 약물 조합 식별

1. 관심있는 두 약물에 의해 표적이되는 합성 치명적인 상호 작용을 검색합니다. 약물 A와 약물 B를 모두 보유하는 파일의 줄을 필터링하여 데이터 집합을 3단계에서 관심 있는 약물로 제한합니다.
   
   ##only 두 파트너가 관심의 두 약물에 의해 대상이되는 합성 치명적인 상호 작용및 약물을 트리거 약물에 대한 항목을 유지 (drug_a 및 drug_b)
   awk -F "\t" '{
   ($12 == drug_a & $14 ===drug_b) || ($12 == drug_b & $14 ===drug_a) ) {
   인쇄 $0
   }
   }' drug_a="XXX" drug_b="YYY" bg_synlet_mapped_drugs.txt

2. 두 약물 중 어느 것도 두 가지 합성 치명적인 상호 작용 파트너를 대상으로하지 않는지 확인하십시오. 3.2단계에서 확인된 각 약물의 약물 표적을 확인하고 확인된 합성 치명적인 파트너가 특정 약물의 표적인지 평가한다.
   
   ##find 주어진 약물 이름에 대 한 모든 약물 대상 항목
   awk -F "\t" '{
   if ($3 == 약물){
   인쇄 $0
   }
   }' 마약="XXX" db_human_drug_targets.txt
   
   참고: 두 합성 치명적인 상호 작용 경로를 대상으로 하는 약물은 모든 세포에 독성이 있을 것이므로 이론적으로는 귀중한 다중 표적 에이전트가 아닙니다. 이것이 알고리즘의 이 단계에서 이러한 가능성이 배제되는 이유입니다.
    

6. 시험관내 신약 조합 선정 테스트

1. 인간 유방암 세포주 및 인체 양성 유방 상피세포를 다양한 약물 조합으로 5%_CO2로 가습된 37°C 분위기에서 체외 배양 방법으로 표준으로 배양하였다.
2. 태아 소 혈청과 페니실린뿐만 아니라 세균 감염을 방해하기 위해 연쇄 절제술 황산염으로 보충 된 미디어를 사용합니다.
3. DMSO 또는 인산염 완충식식염과 같은 용매에 약물을 희석하여 이전에 설립된 IC50(억제 농도)에 기초한 적어도 4개의 상이한 농도에서 이를 조합하거나 단독으로 사용하여 세포의 치료를 위해 사용합니다.
4. 세포 생존성 연구제 및 세포 세포 애떨이 소싱을 수행하여 부속서V/7-AAD 염색을 수행하여 치료에 의한 세포독성 효과를 결정합니다.
5. 서쪽 얼룩을 사용하여 의심되는 분자 표적의 약리학 억제를 감시합니다.
6. 추(Chou) 및 다른 사람에 의해 설명된 바와 같이 합성 치사효과를 순수 첨가제 효과와 구별하여 조합지수(CI)를^{산출한다(23)}.

결과

우리 그룹은 최근 난소와 유방암의 맥락에서 합성 치명적인 상호 작용을 대상으로 약물 조합을 식별하기 위해이 원고에 묘사 된 워크 플로우를 적용하는 두 가지 연구를 발표했다^24,25. 첫 번째 연구에서는, 우리는 현재 말기 임상 시험에서 시험되는 약물 조합을 평가 (단계 III 및 IV) 또는 합성 치명적인 상호 작용에 미치는 영향에 관한 난소암 환자를 치...

토론

우리는 합성 치명적인 상호 작용에 영향을 미치는 약물 조합을 식별 하기 위해 워크 플로우를 설명 했습니다. 이 워크플로우는 모델 유기체로부터의 합성 치명적인 상호 작용에 대한 (i) 데이터, (ii) 인간 정형소의 정보, (iii) 약물 표적 협회에 대한 정보, (iv) 암의 맥락에서 임상 시험에 대한 약물 정보, 과학 문헌에서 추출된 약물 질환 및 유전자 질환 협회의 정보에 대한 (v)의 데이터를 사용합니다...

자료

Name	Company	Catalog Number	Comments
BioGRID	n/a	n/a	thebiogrid.org
ClinicalTrials.gov	n/a	n/a	ClinicalTrials.gov
DrugBank	n/a	n/a	drugbank.ca
Ensembl BioMart	n/a	n/a	ensembl.org
for alternative computational databases please refer to the manuscript
7-AAD	ebioscience	00-6993-50
AnnexinV-APC	BD Bioscience	550474
celecoxib	Sigma-Aldrich	PZ0008-25MG
CellTiter-Blue Viability Assay	Promega	G8080
FACS Canto II	BD Bioscience	n/a
fetal bovine serum	Fisher Scientific/Gibco	16000044
FloJo Software	FloJo LLC	V10
McCoy's 5a Medium Modified	Fisher Scientific/Gibco	16600082
penicillin G/streptomycin sulfate	Fisher Scientific/Gibco	15140122
SKBR-3 cells	American Type Culture Collection (ATCC)	ATCC HTB-30
zoledronic acid	Sigma-Aldrich	SML0223-50MG
further materials or equipment will be made available upon request