基于糖蛋白糖基差异化分析的不同分子分型乳腺癌标志物筛选和个性化药物治疗评价方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    81703463
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    20.1万
  • 负责人:
  • 依托单位:
  • 学科分类:
    H3410.药物分析
  • 结题年份:
    2020
  • 批准年份:
    2017
  • 项目状态:
    已结题
  • 起止时间:
    2018-01-01 至2020-12-31

项目摘要

Individualized drug treatment on breast cancer based on molecular subtyping by hormone receptors and HER2 receptor, is a classic application of precision medicine on clinical cancer treatment. However, the diversity of drug therapeutic effect on the same molecular subtyping breast cancer still exist. Therefore, it is necessary to discover more precise biomarkers and more accurate subtypes of breast cancer. Previous studies well documented that malignant transformation and cancer progression result in fundamental changes in the glycosylation patterns of human carcinoma. Accordingly, based on the core concept of precision medicine and the application of new techniques and strategies of pharmaceutical analysis along with multi-dimensional statistical methods, the project is designed to discover potential glycan disease markers of breast cancer by investigating the dynamic differentiation of protein glycosylation between different molecular subtyping breast cancer patients and healthy people; breast cancer cell lines and control cells. Develop a high-throughput glycomics platform by establishing a rapid and sensitive qualification and quantification strategy for protein N-glycosylation and an advanced pre-treatment method for enzyme release of N-glycans. Based on the precision individualized drug therapies on different molecular subtyping breast cancer in clinical application, tamoxifen of endocrine therapy, docetaxel of chemotherapy and trastuzumab of molecular targeted therapy are selected, to comparatively study the dynamic response of protein glycosylation in different molecular subtyping breast cancer patients and breast cancer cell lines after individualized drug therapies, and to build connections and alteration patterns between cellular and individual level. The study would provide new basis in the clinical diagnosis, precision subtyping and individualized drug therapy in breast carcinoma.
基于激素受体和HER2受体表达情况对乳腺癌进行分子分型以实现个性化药物治疗是精准医学在临床应用的典范,但目前同型患者的治疗效果仍存在差异,临床上需要更精准的分型和标志物的发现。多项研究表明糖链肿瘤标志物是诊断并刻画人类肿瘤细胞特征的重要标志物。因此,本项目以精准医学理念为指导,采用药物分析新技术与方法,建立快速、灵敏的糖蛋白N-糖链酶解和定量分析新方法,开展不同分子分型乳腺癌患者与健康人体液样品、乳腺癌与正常细胞中糖基动态差异化研究,结合多维度药学统计学方法,筛选乳腺癌糖基化标志物;根据临床上针对不同分子分型乳腺癌采用的精准药物治疗方案,以内分泌治疗药他莫昔芬、化疗药多西他赛和分子靶向治疗药曲妥珠单抗等为研究对象,对不同分型乳腺癌患者和细胞系给药后糖基化水平的动态变化进行对比研究,建立细胞和整体水平之间糖基化的联系及其动态变化规律,为乳腺癌的临床诊断、分型和个性化药物治疗方案评价提供依据。

结项摘要

本项目以目前全球发病率第一的癌症乳腺癌为研究对象,对其潜在的疾病标志物和药物治疗方法进行了系列研究。1.通过考察不同分离纯化技术、糖苷酶影响、衍生化试剂等,建立和优化了适用于细胞和不同体液样本的N-糖链和代谢物的样品前处理方法;通过考察基于HILIC机理的不同色谱分离技术,和MALDI/ESI电离条件以及高分辨质谱采集模式,建立了适用于糖基化和代谢物并与高分辨质谱完美兼容的色谱分离和质谱检测方法;建立了适用于本研究糖基化分析方法的N-糖链数据库。2.采用MALDI-IMS法,在小鼠乳腺癌组织中鉴定出72种N-糖链。可视化和差异化分析结果表明,具有岩藻糖化结构的N-糖链会在免疫细胞区域分布,分布的区域特征与免疫组化结果一致。不同种类糖链的叠加图进一步展示了肿瘤细胞和免疫细胞在组织中分布情况,研究所发现的糖基化分布模式与肿瘤组织的亚结构相互关联匹配。3.通过对人乳腺癌细胞的发现代谢组学分析,完成了不同分子分型乳腺癌细胞系中疾病标志物的快速筛查,共筛选了19种生物标志物及相关信号通路。同时通过分析乳腺癌患者接受环磷酰胺联合多柔比星脂质体辅助化疗前后的代谢物轮廓变化,完成了探索乳腺癌患者和正常人体内内源性代谢物的变化规律。通过差异化分析,共筛选了42种潜在疾病标志物,其中24种在乳腺癌患者中水平显著增高,18种显著降低。在接受AC方案化疗后,3-羟基邻氨基苯甲酸等在患者体内水平发生了不同程度的回调,而鞘氨醇等则显著增高。差异代谢通路的构建与分析结果提示乳腺癌的发生可能涉及10条代谢通路,而AC化疗药物主要通过影响色氨酸代谢等通路发挥作用。应用所建立的组学分析方法对不同给药组细胞样品进行分析,完成了蒲公英抗乳腺癌作用的潜在生物标志物研究,共筛选了23个潜在的生物标志物,并得到6条相关通路。4.项目还运用分子模拟手段对乳腺癌CDK6选择性抑制剂进行虚拟筛选研究并进行活性验证,得到ZINC03830916的抑制活性较好,为进一步设计发展CDK6抑制剂提供了依据。

项目成果

期刊论文数量(7)
专著数量(0)
科研奖励数量(2)
会议论文数量(3)
专利数量(1)
Integrated study of metabolomics and gut metabolic activity from ulcerative colitis to colorectal cancer: The combined action of disordered gut microbiota and linoleic acid metabolic pathway might fuel cancer
从溃疡性结肠炎到结直肠癌的代谢组学和肠道代谢活动的综合研究:紊乱的肠道微生物群和亚油酸代谢途径的联合作用可能会助长癌症
  • DOI:
    10.1016/j.chroma.2020.461503
  • 发表时间:
    2020-10-11
  • 期刊:
    JOURNAL OF CHROMATOGRAPHY A
  • 影响因子:
    4.1
  • 作者:
    Tang, Qi;Cang, Song;Liu, Ran
  • 通讯作者:
    Liu, Ran
Discovery of pulmonary fibrosis inhibitor targeting TGF-β RI in Polygonum cuspidatum by high resolution mass spectrometry with in silico strategy.
通过高分辨率质谱与计算机策略发现虎杖中针对 TGF-β RI 的肺纤维化抑制剂
  • DOI:
    10.1016/j.jpha.2020.05.007
  • 发表时间:
    2022-12
  • 期刊:
    JOURNAL OF PHARMACEUTICAL ANALYSIS
  • 影响因子:
    8.8
  • 作者:
    Xu, Huarong;Qu, Jiameng;Wang, Jian;Han, Kefei;Li, Qing;Bi, Wenchuan;Liu, Ran
  • 通讯作者:
    Liu, Ran
"Modeling-Prediction" Strategy for Deep Profiling of Lysophosphatidic Acids by Liquid Chromatography-Mass Spectrometry: Exploration Biomarkers of Breast Cancer
液相色谱-质谱法深度分析溶血磷脂酸的“建模-预测”策略:探索乳腺癌生物标志物
  • DOI:
    10.1016/j.chroma.2020.461634
  • 发表时间:
    2020
  • 期刊:
    Journal of Chromatography A
  • 影响因子:
    4.1
  • 作者:
    Qian Zhang;Xiao Yang;Qian Wang;Yiwen Zhang;Peng Gao;Zuojing Li;Ran Liu;Huarong Xu;Kaishun Bi;Qing Li
  • 通讯作者:
    Qing Li
Time-dependent metabolomics study of cerebral ischemia-reperfusion and its treatment: focus on the combination of traditional Chinese medicine and Western medicine
脑缺血再灌注及其治疗的时间依赖性代谢组学研究:聚焦中西医结合
  • DOI:
    10.1007/s00216-020-02852-w
  • 发表时间:
    2020-08-12
  • 期刊:
    ANALYTICAL AND BIOANALYTICAL CHEMISTRY
  • 影响因子:
    4.3
  • 作者:
    Han, Kefei;Rong, Weiwei;Liu, Ran
  • 通讯作者:
    Liu, Ran
A stepwise integrated multi-system to screen quality markers of Chinese classic prescription Qingzao Jiufei decoction on the treatment of acute lung injury by combining 'network pharmacology-metabolomics-PK/PD modeling'
结合“网络药理学-代谢组学-PK/PD模型”逐步集成多系统筛选中药清枣救肺汤治疗急性肺损伤的质量标志物
  • DOI:
    10.1016/j.phymed.2020.153313
  • 发表时间:
    2020-11-01
  • 期刊:
    PHYTOMEDICINE
  • 影响因子:
    7.9
  • 作者:
    Wang, Tianyang;Lin, Song;Bi, Kaishun
  • 通讯作者:
    Bi, Kaishun

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

北柴胡不同产地、不同采收期和不同炮制品中 6 种 柴胡皂苷的含量测定
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    药学学报
  • 影响因子:
    --
  • 作者:
    侯会平;李清;赵士博;于康平;王 琦;许华容;毕开顺
  • 通讯作者:
    毕开顺

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码