Utilisation de listes de gènes humains exprimés de manière différentielle pour effectuer une analyse d’enrichissement des voies en aval et la hiérarchisation des cibles
3 octobre 2025
Les travaux actuels décrivent un protocole d’exécution de l’algorithme Pathway2Targets, un script R qui prédit et hiérarchise les cibles thérapeutiques en fonction du profil des voies de signalisation intracellulaires générées en comparant des échantillons de cas et de contrôle d’une expérience de séquençage d’ARN en vrac.
L’objectif de notre recherche est de caractériser la réponse transcriptionnelle intracellulaire à diverses affections et de prédire des marqueurs thérapeutiques et mécanistes ou diagnostiques pour ces affections. La prédiction computationnelle donne des candidats de médicaments. La validation des effets des médicaments prend beaucoup de temps et de ressources.
Cependant, la méthode incidente n’a pu s’améliorer qu’avec des données expérimentales de haute qualité. L’avantage de ce travail est sa capacité à identifier des cibles médicamenteuses potentielles pour la réaffectation dans une voie de signalisation plutôt que de simplement faire correspondre des gènes exprimés différentiellement à des cibles connues. Pour exécuter l’algorithme d’enrichissement du parcours SPIA, téléchargez d’abord le code sur le système informatique à partir de GitHub.
Ouvrez le SPIA_Code. Script R MD dans RStudio. Sélectionnez toutes les lignes de code, puis cliquez sur le bouton Exécuter ou Exécuter les lignes sélectionnées pour exécuter le script.
Attendez la fin de l’exécution et vérifiez qu’un fichier csv portant le même nom apparaît dans le répertoire de téléchargement. Ouvrez le fichier sous forme de feuille de calcul pour examiner et interpréter manuellement les résultats. Pour exécuter l’algorithme de hiérarchisation des cibles, ouvrez Pathway2Targets.
Script R dans RStudio en sélectionnant le menu Fichier et en cliquant sur Ouvrir un fichier, puis en choisissant le nom du script dans le répertoire. Dans la fenêtre de code RStudio, allez à la ligne 22 et remplacez l’espace réservé par le nom réel du fichier de résultats SPIA. Sélectionnez toutes les lignes de code et cliquez sur le bouton Exécuter pour exécuter l’algorithme.
Observez les messages de progression en temps réel qui s’affichent dans le panneau inférieur gauche de l’écran. Une fois l’opération terminée, recherchez dans le répertoire de téléchargement un fichier tsv portant le même nom, qui contient les cibles prioritaires. Après avoir généré le fichier avec les cibles prioritaires et leurs mesures, ouvrez-le dans un tableur pour l’examiner.
L’algorithme SPIA a identifié 10 voies de signalisation statistiquement significatives avec une valeur p non ajustée inférieure à 0,05. L’algorithme Pathway2Targets a identifié plusieurs cibles prédites. Les cibles thérapeutiques prédites étaient cohérentes à la fois dans les cibles classées et les résultats des traitements classés, y compris les gènes connus liés au cancer colorectal, tels que EGFR, TP53 et AKT1.
Consultez la transcription complète et accédez à des milliers de vidéos scientifiques
Aperçu
Cette étude porte sur la caractérisation de la réponse transcriptionnelle intracellulaire dans diverses conditions et vise à prédire des cibles thérapeutiques et des marqueurs diagnostiques. En utilisant l'algorithme Pathway2Targets, la recherche identifie des cibles médicamenteuses potentielles pour le cancer colorectal par l'analyse de données de séquençage ARN en masse.
Composantes clés de l'étude
Domaine de recherche
- Prédiction de cibles pour les interventions thérapeutiques
- Profilage transcriptionnel des réponses intracellulaires
- Recherche sur le cancer colorectal
Contexte
- La nécessité de données expérimentales de haute qualité pour améliorer les prédictions
- Les difficultés liées à la validation des effets des médicaments
- L'avantage de l'identification des cibles médicamenteuses au sein des voies de signalisation
Méthodes utilisées
- Algorithme Pathway2Targets pour la priorisation des cibles
- Données de séquençage ARN en bloc
- Programmation R pour l'analyse de données
Résultats principaux
- Identification des voies de signalisation statistiquement significatives
- Plusieurs cibles thérapeutiques prédites cohérentes entre les résultats
- Les gènes clés identifiés incluent EGFR, TP53 et AKT1
Conclusions
- L'étude démontre une approche novatrice du recyclage thérapeutique au sein des voies de signalisation
- La recherche est pertinente pour améliorer les stratégies thérapeutiques contre le cancer colorectal
Questions fréquemment posées
Pertinence professionnelle pour l'industrie
L'intégration du séquençage ARN à des algorithmes d'enrichissement de voies et de priorisation des cibles permet aux équipes biopharmaceutiques d'identifier et de classer systématiquement des cibles exploitables pharmacologiquement au sein de réseaux de signalisation pertinents pour la maladie. Cette approche renforce la confiance prédictive lors de l'étape de validation des cibles et soutient les décisions de portefeuille ajustées au risque en se concentrant sur le contexte mécanistique plutôt que sur des gènes isolés. Les résultats de ce pipeline informent directement le triage en phase précoce de la découverte ainsi que les stratégies translationnelles ultérieures.
Applications stratégiques en R&D biopharmaceutique
Découverte précoce et validation de cibles
- Permet une détection mécanistique des risques en associant les gènes différentiellement exprimés à des voies de signalisation fonctionnelles.
- Prend en charge la validation fonctionnelle des cibles grâce à une analyse centrée sur les voies, plutôt que sur un seul gène.
- Améliore la fiabilité prédictive du choix des cibles en intégrant des réseaux d'interactions protéine-protéine.
- Facilite le tri du portefeuille en classant les cibles selon leur impact sur les voies et leurs scores de druggabilité.
Développement de tests et criblage
- Prépare des listes validées de gènes et de voies pour les flux de travail de développement de tests en aval.
- Standardise les entrées pour les campagnes de criblage en fournissant des cibles classées par ordre d'importance et pertinentes sur le plan mécanistique.
- Permet une priorisation reproductible et quantitative des cibles candidates pour les tests fonctionnels.
- Facilite l'évaluation à grande échelle des interactions composé-cible au sein des voies priorisées.
Recherche translationnelle et préclinique
- Aligne la priorisation des cibles avec des signatures transcriptionnelles pertinentes pour la maladie afin d'assurer une continuité translationnelle.
- Facilite la découverte de biomarqueurs en reliant les perturbations des voies biologiques à des hypothèses thérapeutiques.
- Prend en charge les décisions d'avancement ajustées au risque en intégrant des preuves au niveau des voies et des cibles.
- Offre un contexte mécanistique pour le choix et la validation des modèles précliniques.
Intégration des pipelines et des flux de travail
Ce pipeline computationnel établit un lien entre la découverte précoce et la recherche translationnelle en transformant les données de séquençage de l'ARN (RNA-seq) en informations exploitables sur les cibles et les voies biologiques.
- Découverte en biologie : Permet la vérification d'hypothèses et l'élucidation de voies biologiques grâce à l'analyse de l'expression différentielle et à l'analyse SPIA.
- Écrantage : Fournit des listes de cibles classées, adaptées au développement de tests et à l'écrantage de composés.
- Analytique : Produit des résultats quantitatifs et des seuils statistiques (par exemple, p < 0,05) pour une prise de décision rigoureuse.
- Recherche translationnelle : Relie les modifications de l'expression génique à des voies biologiques pertinentes pour les maladies et à des cibles thérapeutiques.
- Réutilisation en entreprise : Propose un flux de travail computationnel réutilisable, adaptable à divers contextes pathologiques et jeux de données.
Impact opérationnel et organisationnel
- Valeur scientifique : Accroît la confiance prédictive et réduit l'ambiguïté mécanistique dans le choix des cibles.
- Valeur opérationnelle : Standardise et automatise la priorisation des voies et des cibles pour des flux de travail R&D évolutifs.
- Valeur stratégique : Permet de prendre des décisions éclairées de poursuite ou d'abandon et une gestion efficace du portefeuille en termes de capital.
- Impact sur le portefeuille : Favorise la priorisation et l'avancement, ajustés au risque, des cibles à haute confiance.
Considérations relatives à la mise en œuvre
- Nécessite une expertise en biologie computationnelle et en analyse de données d'ARN-séq.
- Dépend de l'accès à l'environnement de programmation R et aux paquets logiciels pertinents.
- Exige une standardisation interéquipes pour les formats des données d'entrée et l'interprétation des résultats classés.
- Adaptable à divers modèles de maladies, mais sensible à la complexité des voies métaboliques et à la densité des cibles.
- Les limites pratiques incluent le temps de calcul nécessaire et la nécessité de disposer de données d'entrée de haute qualité.
