암시스템생물학

Cancer systems biology

암 시스템 생물학은 암 연구에 대한 시스템 생물학적 접근법의 적용을 포괄하며, 암 연구에는 여러 생물학적 척도로 새롭게 나타나는 성질을 가진 복합 적응 시스템으로서 질병을 연구하기 위해서입니다.[1][2][3] 암 시스템 생물학은 과학자와 임상의가 새로운 치료법과 약물의 유효화에 도움을 줄 수 있는 효과적인 예측 모델을 개발하기 위해 발암 중에 정상 세포의 세포 내 네트워크가 어떻게 동요되는지의 분석에 시스템 생물학 접근법의 적용을 나타낸다. 종양은 단일 세포에서 많은 다른 분자와 네트워크의 기능을 변화시키고 지역 환경과의 상호작용을 변화시키는 유전학적 및 후생적 불안정성으로 특징지어진다. 따라서 암 시스템 생물학적 접근법은 암 이질성뿐만 아니라 종양성(tomigenesis)의 복잡성을 해독하기 위한 계산적, 수학적 방법의 사용에 기초한다. [4]

암 시스템 생물학은 암 연구에 대한 시스템 생물학적 접근법의 구체적인 적용을 포괄한다. 특히 ⑴ 대규모 네트워크에서 통찰력을 증류하기 위한 더 나은 방법의 필요성, ⑵ 보다 현실적인 모델을 구축할 때 복수의 데이터 유형을 통합하는 중요성, ⑶ 종양유전 기계에 대한 통찰력을 번역하는 데 있어서의 어려움.치료적 개입과 (d) 물리적, 세포적, 분자적 수준에서 종양 미세환경의 역할을 담당한다.[5] 따라서 암 시스템 생물학은 유전학, 신호 네트워크,[7] 후생유전학,[8] 세포 행동, 기계적 특성,[9] 조직학, 임상 징후 및 역학을 포함한 많은 생물학적 척도를 통합하는 것을 목적으로 하는 암에[6] 대한 전체적인 관점을 채택한다. 궁극적으로, 한 척도에서의 암 특성, 예를 들어, 조직학은 아래 척도에서의 성질, 예를 들어 세포 행동 등에 의해 설명된다.

암 시스템 생물학은 전통적인 기초 암 연구와 임상 암 연구를 응용 수학, 공학, 물리학과 같은 "정확한" 과학과 통합한다. 그것은 암 과정의 기초가 되는 메커니즘을 조명하고 개입에 대한 대응을 예측하는 계산 알고리즘과 정량적 모델을[10] 생성하기 위해 다양한 "오믹스" 기술(유전체학, 단백질학, 후생유전체학 등)과 분자 이미지 기술을 통합한다. 암 시스템 생물학의 적용은 암 위험, 시작 및 진행의 기초가 되는 중요한 세포와 분자 네트워크를 포함하지만 이에 국한되지는 않는다. 따라서 일반적으로 단일 분자 이상 특성화에 초점을 맞춰온 전통적인 환원론적 접근법에 대한 대안적 관점을 촉진한다.

역사

암 시스템 생물학은 기술적 진보뿐만 아니라 생물의학 연구에서 많은 사건과 현실화에 뿌리를 두고 있다. 역사적으로 암은 획일적인 질병으로 식별되고 이해되며 치료되었다. 균질 덩어리로 성장한 '이물질' 성분으로 보여, 절제로 가장 잘 치료될 예정이었다. 외과적 개입의 지속적인 영향 외에도, 암에 대한 이러한 단순화된 관점은 급격히 진화해 왔다. 분자생물학의 위업과 병행하여 암 연구는 암의 동종학에서 결정적인 종양 억제기 유전자나 종양 억제기 유전자의 확인하는데 초점을 맞췄다. 이러한 획기적인 발전은 암 진행을 이끄는 분자 사건에 대한 우리의 이해에 혁명을 일으켰다. 표적 치료는 그러한 통찰력에 의해 생겨난 진보의 현재 정점으로 간주될 수 있다.

이러한 발전에도 불구하고 많은 암 유형에 대한 새로운 치료 방법이 부족하거나, 표적 치료가 존재하는 암 유형의 설명할 수 없는 치료 실패와 불가피한 재발 등 해결되지 않은 난제가 많이 남아 있다.[11] 이러한 임상 결과와 오믹스 기술에 의해 획득된 방대한 양의 데이터 사이의 불일치는 암 기초에 대한 우리의 지식에서 기본적인 격차의 존재를 강조한다. 암 시스템 생물학은 이러한 공백을 메우기 위해 암에 관한 정보를 조직하는 우리의 능력을 꾸준히 향상시키고 있다. 주요 개발 사항은 다음과 같다.

  • 종합적인 분자 데이터셋 생성(유전자, transcriptom, 후생유전체학, 프로테오메, 대사물 등)
  • 암 게놈 아틀라스 데이터 수집[12]
  • 기존 데이터셋에서[13] 암 진행 동인을 추출하는 계산 알고리즘
  • 신호망의[14] 통계적 및 기계론적 모델링
  • 암 진화 과정의[6] 정량적 모델링
  • 암세포 인구증가의[15] 수학적 모델링
  • 치료 개입에[16] 대한 세포 반응의 수학적 모델링
  • 암 신진대사의[10] 수학적 모델링

Cancer Systems Biology의 실천은 다양한 배경을 가진 과학자들 사이의 긴밀한 물리적 통합이 필요하다. 생물학과 응용수학의 언어에 능통한 새로운 인력을 양성하기 위한 비판적인 대규모 노력도 진행 중이다. 번역적 수준에서 암 시스템 생물학은 암 치료에 정밀 의학을 적용해야 한다.

자원.

고투과 기술을 통해 세포 및 조직 수준에서 돌연변이, 재배열, 복사 수 변화, 메틸화의 종합적인 유전체 분석은 물론 RNA 및 마이크로RNA 발현 데이터, 단백질 수준 및 대사물 수준의 강력한 분석이 가능하다.[17][18][19][20][21][22]

대표적인 데이터베이스 및 출판물과 함께 High-Throughput Technologies 및 이들이 생성한 데이터 목록

기술 실험자료 대표 데이터베이스
DNA-seq, NGS DNA 시퀀스, 엑소메 시퀀스, 게놈, 유전자 TCGA,[23] GenBank,[24] DDBJ,[25] 앙상블
마이크로어레이, RNA-seq 유전자 표현 수준, 마이크로RNA 수준, 성적증명서 GEO,[27] 표현식 아틀라스
MS, iTRAQ 단백질 농도, 인산화 GPMdb,[29] PRIDE,[30] 인간 단백질 아틀라스
C-MS, GC-MS, NMR 대사물 수준 HMDB [32]
Chip-chip, Chip-seq 단백질-DNA 상호작용, 대본 인자 결합 부위 GEO,[27] TUPAC,[33] JASPAR,[34] Encode
CLIP-seq, PAR-CLIP, iCLIP MicroRNA-mRNA 규정 스타베이스,[36] miRTAR베이스
Y2H, AP/MS, MaMTH, MAPPIT 단백질-단백질 상호작용 HPRD,[38] BioGRID [39]
단백질 마이크로어레이 키나세-하향 상호작용 TCGA,[23] 인포포인트
SGA, E-MAP, RNAi 유전적 상호작용 HPRD,[41] BioGRID [42]
SNP 유전자형 배열 GWAS loci, eQTL, 이상 SNP GWAS 카탈로그,[43] dbGAP,[44] dbSNP
LUMIER, 데이터 통합 신호 경로, 대사 경로, 분자 서명 TCGA,[23] KEG,[46] 리액텀

접근

암 시스템 생물학에 사용되는 계산적 접근법은 실험 생물학과 양적 과학 사이의 동적 상호작용을 반영하는 새로운 수학적 및 계산 알고리즘을 포함한다.[48] 암 시스템 생물학적 접근방식은 개별 세포에서 조직, 일차 종양과 전이가 가능한 환자, 또는 이러한 상황의 어떤 조합에도 다양한 수준에서 적용될 수 있다. 이 접근방식은 다양한 수준(DNA, RNA, 단백질, 후생유전학, 영상화)[49]에서 종양의 분자 특성을 다원적 분석으로 통합할 수 있다(일)으로 통합할 수 있다.[50] 암의 이질성에 의해 제기되는 도전 외에 그것의 성공에 대한 주요 난제들 중 하나는 임상적 특성, 병리학, 치료법 및 결과를 설명하는 고품질 데이터를 획득하고 데이터를 강력한 예측 모델로 통합하는 것이다.

적용들

  • 암의 성장과 발달을 모델링하는 방법

수학적 모델링은 새로운 암 약물 목표와 그 조합의 합리적 설계, 검증 및 우선순위를 정하는 데 유용한 맥락을 제공할 수 있다. 네트워크 기반 모델링과 다단계 모델링은 효과적인 암 약물 발견의 과정을 촉진하는 가능성을 보이기 시작했다. 시스템 네트워크 모델링 접근방식을 사용하여, Schoerberl 등은 ErbB 수용체 신호 네트워크를 억제하는 이전에 알려지지 않은 보완적이며 잠재적으로 우월한 메커니즘을 식별했다.[54] ErbB3가 가장 민감한 노드인 것으로 확인되어 Akt가 활성화되었다. akt는 증식, 사멸, 성장 등 많은 생물학적 과정을 조절하는데, 이는 모두 종양 진행과 관련이 있다.[55] 이러한 표적 기반 모델링은 첫 임상시험을 위한 길을 열었다. 벡칼 외 연구진은 세포 집단의 역학을 증식 및 대기 구획으로 나눈 비선형 모델을 제시했다. 증식 단계는 그 끝에서 분열을 약속하는 모집단의 전체 세포 주기(G(1)-S-G(2)-M)를 나타낸다. 비선형 모델의 해결책의 점근거동을 두 가지 사례로 분석하여 조직원시증 또는 종양 지수성장을 나타낸다. 모델은 시뮬레이션되고 분석 예측은 숫자로 확인된다.[56] 더욱이 하드웨어와 소프트웨어의 발전은 조직 병리학의 임상적으로 실현 가능한 정량적 다중성 이미지의 실현을 가능하게 했다. 암의 다기능성 영상촬영과 관련된 이전의 노력은 PET-CT와 단일광자 방출 CT(SPECT)와 같은 해부학적 및 기능적 특성의 통합에 초점을 맞추었지만, 보다 최근의 진보와 적용은 복수의 정량적, 기능적 측정(예: 다중 PET t)의 통합을 수반했다.경주자, 다양한 MRI 조영 메커니즘, 그리고 PET-MRI)를 통해 종양 표현 유형의 보다 포괄적인 특성을 제공한다. 그러한 연구에서 생성된 방대한 양의 보완 정량적 데이터는 개별 환자의 관리를 최적화할 수 있는 기회에 대한 고유한 통찰력을 제공하기 시작하고 있다. 다기능 영상촬영 소견에 대한 중요한 기술적 최적화 및 개선된 생물학적 해석이 필요하지만, 이 접근방식은 기존 도구를 사용하는 암 치료법의 임상시험에 이미 유용하게 적용될 수 있다.[57]

  • 암 게노믹스
  • 암의 진행과 발병의 통계적·기계적 모델링
  • 임상 반응 모델 / 치료적 개입에 대한 세포 반응 모델링
  • 암의 하위 유형.
  • 시스템 종양학 - 암 시스템 생물학의 임상적 응용

국가 자금 지원 노력

2004년 미국 국립 암 연구소는 암 분석을 복합 생물학적 체계로 하는 암 시스템 생물학 센터를 설립하기 위한 통합 암 시스템 생물학에[58] 대한 프로그램 활동을 시작했다. 수학적 모델링과 실험 생물학의 통합은 생물학의 새로운 통찰력과 암 관리에 대한 새로운 접근방식을 낳게 될 것이다. 이 프로그램은 임상 및 기초 암 연구자들이 수학, 물리학, 공학, 정보기술, 영상과학, 컴퓨터 과학 분야의 연구자들과 함께 암의 생물학에서 근본적인 문제를 푸는 작업을 한다.[59]

참고 항목

참조

  1. ^ 왕, 에드윈. 암 시스템 생물학. 채프먼 & 홀, 2010
  2. ^ 류앤라우펜버거. 시스템 바이오의약품: 개념 및 관점. 2009년 아카데미 출판사
  3. ^ Barillot, Emmanuel; Calzone, Laurence; Hupe, Philippe; Vert, Jean-Philippe; Zinovyev, Andrei (2012). Computational Systems Biology of Cancer. Chapman & Hall/CRC Mathematical & Computational Biology. p. 461. ISBN 978-1439831441.
  4. ^ Werner, HM; Mills, GB; Ram, PT (March 2014). "Cancer Systems Biology: a peek into the future of patient care?". Nature Reviews. Clinical Oncology. 11 (3): 167–76. doi:10.1038/nrclinonc.2014.6. PMC 4321721. PMID 24492837.
  5. ^ Gentles, AJ; Gallahan, D (15 September 2011). "Systems biology: confronting the complexity of cancer". Cancer Research. 71 (18): 5961–4. doi:10.1158/0008-5472.CAN-11-1569. PMC 3174325. PMID 21896642.
  6. ^ a b Anderson, AR; Quaranta (2008). "Integrative mathematical oncology". Nat Rev Cancer. 8 (3): 227–234. doi:10.1038/nrc2329. PMID 18273038. S2CID 23792776.
  7. ^ Kreeger, PK; Lauffenburger (2010). "Cancer systems biology: A network modeling perspective". Carcinogenesis. 31 (1): 2–8. doi:10.1093/carcin/bgp261. PMC 2802670. PMID 19861649.
  8. ^ Huang, YW; Kuo, Stoner; Huang, Wang (2011). "An overview of epigenetics and chemoprevention". 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). "Mechanical and Systems Biology of Cancer". Computational and Structural Biotechnology Journal. 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). "The evolution of genome-scale models of cancer metabolism". Front. Physiol. 4: 237. doi:10.3389/fphys.2013.00237. PMC 3759783. PMID 24027532.
  11. ^ Garraway; Jänne (2012). "Circumventing cancer drug resistance in the era of personalized medicine". Cancer Discovery. 2 (3): 214–226. doi:10.1158/2159-8290.CD-12-0012. PMID 22585993.
  12. ^ Collins; Barker (2007). "Mapping the cancer genome. Pinpointing the genes involved in cancer will help chart a new course across the complex landscape of human malignancies". Sci Am. 296 (3): 50–57. doi:10.1038/scientificamerican0307-50. PMID 17348159.
  13. ^ Pe'er, Dana; Nir Hacohen (2011). "Principles and Strategies for Developing Network Models in Cancer". Cell. 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). "Dynamic modelling of oestrogen signalling and cell fate in breast cancer cells". Nat. Rev. Cancer. 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). "Fractional proliferation: a method to deconvolve cell population dynamics from single-cell data". Nat. Methods. 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). "Optimizing Chemotherapy Dose and Schedule by Norton-Simon Mathematical Modeling". Breast Disease. 31 (1): 7–18. doi:10.3233/BD-2009-0290. PMC 3228251. PMID 20519801.
  17. ^ Cancer Genome Atlas Research, Network. (4 July 2013). "Comprehensive molecular characterization of clear cell renal cell carcinoma". Nature. 499 (7456): 43–9. Bibcode:2013Natur.499...43T. doi:10.1038/nature12222. 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 May 2013). "Integrated genomic characterization of endometrial carcinoma". Nature. 497 (7447): 67–73. Bibcode:2013Natur.497...67T. doi:10.1038/nature12113. 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 October 2011). "An extensive microRNA-mediated network of RNA-RNA interactions regulates established oncogenic pathways in glioblastoma". Cell. 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 January 2012). "Combined experimental and computational analysis of DNA damage signaling reveals context-dependent roles for Erk in apoptosis and G1/S arrest after genotoxic stress". Molecular Systems Biology. 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 October 2010). "Accumulation of driver and passenger mutations during tumor progression". Proceedings of the National Academy of Sciences of the United States of America. 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, I; 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; Small, 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; Green, 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 March 2007). "Patterns of somatic mutation in human cancer genomes". Nature. 446 (7132): 153–8. Bibcode:2007Natur.446..153G. doi:10.1038/nature05610. PMC 2712719. PMID 17344846.
  23. ^ a b c "The Cancer Genome Atlas Home Page". The Cancer Genome Atlas - National Cancer Institute. 2018-06-13.
  24. ^ Benson, DA; Clark, K; Karsch-Mizrachi, I; Lipman, DJ; Ostell, J; Sayers, EW (January 2014). "GenBank". Nucleic Acids Research. 42 (Database issue): 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 (January 2015). "The DDBJ Japanese Genotype-phenotype Archive for genetic and phenotypic human data". Nucleic Acids Research. 43 (Database issue): 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; Hourlier, T; Hunt, SE; Janacek, 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 (January 2015). "Ensembl 2015". Nucleic Acids Research. 43 (Database issue): D662–9. doi:10.1093/nar/gku1010. PMC 4383879. PMID 25352552.
  27. ^ a b Edgar, R; Domrachev, M; Lash, AE (1 January 2002). "Gene Expression Omnibus: NCBI gene expression and hybridization array data repository". Nucleic Acids Research. 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 (January 2014). "Expression Atlas update--a database of gene and transcript expression from microarray- and sequencing-based functional genomics experiments". Nucleic Acids Research. 42 (Database issue): D926–32. doi:10.1093/nar/gkt1270. PMC 3964963. PMID 24304889.
  29. ^ "GPMDB Proteome Database".
  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 (December 2010). "Towards a knowledge-based Human Protein Atlas". Nature Biotechnology. 28 (12): 1248–50. doi:10.1038/nbt1210-1248. PMID 21139605. S2CID 26688909.
  32. ^ "Human Metabolome Database".
  33. ^ "Gene Regulation". www.gene-regulation.com.
  34. ^ "JASPAR 2018: An open-access database of transcription factor binding profiles".
  35. ^ "ENCODE: Encyclopedia of DNA Elements – ENCODE".
  36. ^ Li, JH; Liu, S; Zhou, H; Qu, LH; Yang, JH (January 2014). "starBase v2.0: decoding miRNA-ceRNA, miRNA-ncRNA and protein-RNA interaction networks from large-scale CLIP-Seq data". Nucleic Acids Research. 42 (Database issue): D92–7. doi:10.1093/nar/gkt1248. PMC 3964941. PMID 24297251.
  37. ^ "MiRTarBase: The experimentally validated microRNA-target interactions database".
  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; Krishna, V; Rahiman, BA; Mohan, S; Ranganathan, P; Ramabadran, S; Chaerkady, R; Pandey, A (January 2009). "Human Protein Reference Database--2009 update". Nucleic Acids Research. 37 (Database issue): 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; Winter, A; Sellam, A; Chang, C; Hirschman, J; Theesfeld, C; Rust, J; Livstone, MS; Dolinski, K; Tyers, M (January 2015). "The BioGRID interaction database: 2015 update". Nucleic Acids Research. 43 (Database issue): 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; Krishna, V; Rahiman, BA; Mohan, S; Ranganathan, P; Ramabadran, S; Chaerkady, R; Pandey, A (January 2009). "Human Protein Reference Database--2009 update". Nucleic Acids Research. 37 (Database issue): 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; Winter, A; Sellam, A; Chang, C; Hirschman, J; Theesfeld, C; Rust, J; Livstone, MS; Dolinski, K; Tyers, M (January 2015). "The BioGRID interaction database: 2015 update". Nucleic Acids Research. 43 (Database issue): D470–8. doi:10.1093/nar/gku1204. PMC 4383984. PMID 25428363.
  43. ^ NHGRI, Tony Burdett, Emma Hastings, Dani Welter, SPOT, EMBL-EBI. "GWAS Catalog". www.ebi.ac.uk.
  44. ^ "Home - dbGaP - NCBI". www.ncbi.nlm.nih.gov.
  45. ^ "dbSNP Home Page". www.ncbi.nlm.nih.gov.
  46. ^ "KEGG PATHWAY Database". www.genome.jp.
  47. ^ "Home - Reactome Pathway Database". reactome.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 January 2010). "The transcriptional network for mesenchymal transformation of brain tumours". Nature. 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, CR; Gordon, W; Lauffenburger, DA; Fraenkel, E (2013). "Linking proteomic and transcriptional data through the interactome and epigenome reveals a map of oncogene-induced signaling". PLOS Computational Biology. 9 (2): e1002887. Bibcode:2013PLSCB...9E2887H. doi:10.1371/journal.pcbi.1002887. PMC 3567149. PMID 23408876.
  50. ^ Pascal, J; Bearer, EL; Wang, Z; Koay, EJ; Curley, SA; Cristini, V (27 August 2013). "Mechanistic patient-specific predictive correlation of tumor drug response with microenvironment and perfusion measurements". Proceedings of the National Academy of Sciences of the United States of America. 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; Speed, TP; Gray, JW; Mills, GB; Mukherjee, S (1 November 2012). "Bayesian inference of signaling network topology in a cancer cell line". Bioinformatics. 28 (21): 2804–10. doi:10.1093/bioinformatics/bts514. PMC 3476330. PMID 22923301.
  52. ^ Mills, GB (February 2012). "An emerging toolkit for targeted cancer therapies". Genome Research. 22 (2): 177–82. doi:10.1101/gr.136044.111. PMC 3266025. PMID 22301131.
  53. ^ Metzcar, John; Wang, Yafei; Heiland, Randy; Macklin, Paul (2019-02-04). "A Review of Cell-Based Computational Modeling in Cancer Biology". 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). "Systems biology driving drug development: from design to the clinical testing of the anti-ErbB3 antibody seribantumab (MM-121)". NPJ Systems Biology and Applications. 3: 16034. doi:10.1038/npjsba.2016.34. PMC 5516865. PMID 28725482.
  55. ^ Wang, Z; Deisboeck, TS (February 2014). "Mathematical modeling in cancer drug discovery". Drug Discovery Today. 19 (2): 145–50. doi:10.1016/j.drudis.2013.06.015. PMID 23831857.
  56. ^ Bekkal Brikci, F; Clairambault, J; Ribba, B; Perthame, B (July 2008). "An age-and-cyclin-structured cell population model for healthy and tumoral tissues". Journal of Mathematical Biology. 57 (1): 91–110. doi:10.1007/s00285-007-0147-x. PMID 18064465. S2CID 31756481.
  57. ^ Yankeelov, TE; Abramson, RG; Quarles, CC (November 2014). "Quantitative multimodality imaging in cancer research and therapy". Nature Reviews. Clinical Oncology. 11 (11): 670–80. doi:10.1038/nrclinonc.2014.134. PMC 4909117. PMID 25113842.
  58. ^ NCI 암 게시판. 2004년 2월 24일. V1, 8. p5-6
  59. ^ Gentles; Gallahan (2011). "Systems biology: confronting the complexity of cancer". Cancer Res. 71 (18): 5961–5964. doi:10.1158/0008-5472.CAN-11-1569. PMC 3174325. PMID 21896642.