Abstract
Fundo
redes de transdução de sinal estão cada vez mais estudado com modelagem matemática se aproxima, enquanto cada um deles é adequado para um problema particular. Para a contextualização e análise de sinalização redes com dados de proteínas em estado estacionário, foram identificados rede booleana probabilística (PBN) como um quadro promissor que poderia capturar mudanças quantitativas de alterações moleculares no estado estacionário com uma parametrização mínima.
resultados e Conclusão
em nosso estudo de caso, foi aplicado com sucesso a abordagem PBN para modelar e analisar o Fator desregulado crescimento derivado de plaquetas (PDGF) via de sinalização no tumor do estroma gastrointestinal (GIST). Nós determinado experimentalmente um conjunto de dados ricos e precisos de perfis de estado estacionário de quinases a jusante selecionados de mutantes PDGF-receptor-alfa em combinação com inibidores de tratamentos. Aplicando a ferramenta
optPBN
, nós montado um modelo de rede candidato derivadas de literatura para o conjunto de dados de treinamento que consiste em condições de perturbação individuais. análise do modelo sugeriu várias interações crosstalk importantes. A validade destas previsões foi investigado experimentalmente apontando para crosstalk em curso relevantes de PI3K para MAPK sinalização nas células tumorais. O modelo refinado foi avaliada com um conjunto de dados de validação, que compreende várias condições de perturbação. O modelo, assim, mostrou um excelente desempenho permitindo prever quantitativamente as respostas combinatórias a partir dos resultados individuais de tratamento neste cenário câncer. O estabelecida
optPBN
gasoduto também é amplamente aplicável para obter uma melhor compreensão de outras redes de sinalização no estado de equilíbrio de uma forma específica do contexto
Citation:. Trairatphisan P, Wiesinger M, Bahlawane C , Haan S, Sauter T (2016) a abordagem probabilística booleana Rede de Análise de Sinalização Cancer-específico: Um Estudo de Caso de desregulado PDGF Sinalização em GIST. PLoS ONE 11 (5): e0156223. doi: 10.1371 /journal.pone.0156223
editor: Julio Vera, da Universidade de Erlangen-Nuremberg, Alemanha