基于胶质瘤干细胞的个体化放疗甲基化标记识别及其功能研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    81572893
  • 项目类别:
    面上项目
  • 资助金额:
    57.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    H1810.肿瘤干细胞
  • 结题年份:
    2019
  • 批准年份:
    2015
  • 项目状态:
    已结题
  • 起止时间:
    2016-01-01 至2019-12-31

项目摘要

Glioblastoma (GBM) is the most aggressive and heterogeneous malignant primary tumor of the central nervous system in adults, resulting in a 5-year survival rate of 9%. Radiotherapy (RT) is one of the standard therapies, but the resistance to RT is still dismal by reducing the therapy efficiency. Cumulative evidence suggests that patient–derived glioma stem-like cells (GSCs) play important roles in tumor maintenance and response to chemotherapy and radiation. Using radiation clonogeneic experiment on GSCs, a set of signatures was derived by the differential methylation pattern of RT sensitive vs. resistant GSCs. When applied to the GBM cases that received upfront RT, survival by methylation class in this subset was significantly diffident, suggesting this signature is predictive of clinical RT response. However, it is still a urgent need to explore the underlying biological mechanisms. The first aim of this project is to explore the key biological driver events and pathways that are associated with the methylation signatures. The second aim is to study the identify the key CpG methylation cites which are predictive to RT by integrating multiple molecular datasets. Furthermore, we are trying to identify the association between the methylation signatures and the GBM recurrence. Our study will benefit to decipher the potential biological mechanism of radioresistance of GBM, personalizing RT treatment of GBM patients and provides insights into RT sensitivity phenotypes.
胶质母细胞瘤(Glioblastoma,GBM)是一类具有高度异质性的中枢神经系统恶性肿瘤,患者5年生存率仅为9%。放射治疗是GBM最重要治疗方法之一,但极易产生的放疗抵抗降低了治疗的有效性。胶质瘤干细胞(Glioma Stem-like Cells,GSC)已被证实在产生放疗抵抗中扮演重要角色。申请人前期研究表明:具有放疗应答差异的GSC间存在显著的特定区域甲基化差异,进一步的大样本研究表明这些新发现的异常甲基化区域能有效预测GBM患者的放疗预后,但其生物学机制有待明确。本课题拟首先探明这些异常甲基化区域影响的关键生物学途径和驱动事件(体突变、扩增、缺失等),接着整合多分子水平数据精细识别与放疗预后关联的关键甲基化位点,在此基础上进一步研究特定区域甲基化水平异常对GBM放疗后复发的影响。本课题的研究成果将进一步阐明GBM放疗抵抗的生物学机制,为基于基因组水平的个体化放疗提供崭新途径。

结项摘要

胶质母细胞瘤(Glioblastoma, GBM)患者5年生存率仅为9%。放射治疗是GBM最重要治疗方法之一,但极易产生的放疗抵抗降低了治疗的有效性。胶质瘤干细胞(Glioma Stem-like Cells, GSC)已被证实在产生放疗抵抗中扮演重要角色。本项目通过构建胶质瘤干细胞放疗模型,利用细胞克隆形成实验识别放疗抵抗和放疗敏感细胞系,并在此基础上解析肿瘤放疗敏感的关键DNA甲基化分子特征,这些分子特征构建的预测模型可以有效评估患者放疗预后。在此基础上,得到以下主要研究结论:1. 通过联合GBM样本的基因组数据分析,显示基因组不稳定性与肿瘤放疗应答状态相关。2. 携带更高的肿瘤突变负荷(Tumor mutation burden, TMB)或拷贝数变异的肿瘤对放射更为敏感。3. 放疗抵抗的肿瘤组织中M2型巨噬细胞等免疫细胞浸润比例显著提高,表明肿瘤微环境在肿瘤放疗抵抗中扮演重要角色。

项目成果

期刊论文数量(3)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
miRNA Mediated Noise Making of 3'UTR Mutations in Cancer.
miRNA 介导癌症中 3'UTR 突变的噪音产生。
  • DOI:
    10.3390/genes9110545
  • 发表时间:
    2018-11-12
  • 期刊:
    Genes
  • 影响因子:
    3.5
  • 作者:
    Wu W;Wu L;Zhu M;Wang Z;Wu M;Li P;Nie Y;Lin X;Hu J;Eskilsson E;Wang Q;Shao J;Lyu S
  • 通讯作者:
    Lyu S
The androgen receptor expression and association with patient's survival in different cancers
不同癌症中雄激素受体的表达及其与患者生存的关系
  • DOI:
    10.1016/j.ygeno.2019.11.005
  • 发表时间:
    2020-03-01
  • 期刊:
    GENOMICS
  • 影响因子:
    4.4
  • 作者:
    Hu, Chao;Fang, Dan;Xia, Hongping
  • 通讯作者:
    Xia, Hongping
An Integrating Approach for Genome-Wide Screening of MicroRNA Polymorphisms Mediated Drug Response Alterations.
MicroRNA 多态性介导的药物反应改变的全基因组筛选的综合方法
  • DOI:
    10.1155/2017/1674827
  • 发表时间:
    2017
  • 期刊:
    International journal of genomics
  • 影响因子:
    2.9
  • 作者:
    Wang X;Jiang H;Wu W;Zhang R;Wu L;Chen H;Li P;Nie Y;Shao J;Li Y;Lin X;Lv S;Wang Q;Hu J
  • 通讯作者:
    Hu J

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

两种过滤特征基因选择算法的有效性研究.
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    生命科学研究
  • 影响因子:
    --
  • 作者:
    李丽;李霞;郭政;汪强虎
  • 通讯作者:
    汪强虎
mirTarPri:整合功能基因组学数据用以优选microRNA靶基因
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    PLos One
  • 影响因子:
    3.7
  • 作者:
    王鹏;宁尚伟;汪强虎
  • 通讯作者:
    汪强虎

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

汪强虎的其他基金

缺氧激活FOSL2介导胶质母细胞瘤形成免疫抑制微环境的机制研究
  • 批准号:
    82372897
  • 批准年份:
    2023
  • 资助金额:
    49 万元
  • 项目类别:
    面上项目
促胶质瘤恶性进展的肿瘤相关巨噬细胞分子特征识别及可视化研究
  • 批准号:
    91959113
  • 批准年份:
    2019
  • 资助金额:
    80.0 万元
  • 项目类别:
    重大研究计划

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