Usando listas de genes diferencialmente expressos em humanos para realizar análise de enriquecimento de vias a jusante e priorização de alvos
3 de outubro de 2025
O presente trabalho descreve um protocolo para executar o algoritmo Pathway2Targets, um script R que prevê e prioriza alvos terapêuticos com base no perfil das vias de sinalização intracelular geradas pela comparação de amostras de caso versus controle de um experimento de sequenciamento de RNA em massa.
O objetivo de nossa pesquisa é caracterizar a resposta transcricional intracelular a várias condições e prever marcadores terapêuticos e mecanicistas ou diagnósticos para essas condições. A previsão computacional fornece candidatos a medicamentos. A validação dos efeitos das drogas consome recursos e tempo.
No entanto, o método incidental só poderia melhorar com dados experimentais de alta qualidade. A vantagem deste trabalho é sua capacidade de identificar potenciais alvos de drogas para reaproveitamento dentro de uma via de sinalização, em vez de apenas combinar genes diferencialmente expressos com alvos conhecidos. Para executar o algoritmo SPIA Pathway Enrichment, primeiro baixe o código no sistema de computador do GitHub.
Abra o SPIA_Code. Script R MD no RStudio. Selecione todas as linhas de código e clique no botão Executar ou Executar Linhas Selecionadas para executar o script.
Aguarde a conclusão da execução e verifique se um arquivo csv com nome semelhante aparece no diretório Download. Abra o arquivo como uma planilha para revisar e interpretar manualmente os resultados. Para executar o algoritmo de priorização de destino, abra o Pathway2Targets.
R no RStudio selecionando o menu Arquivo e clicando em Abrir Arquivo e escolha o nome do script no diretório. Na janela de código do RStudio, vá para a linha 22 e substitua o espaço reservado pelo nome real do arquivo de resultados do SPIA. Selecione todas as linhas de código e clique no botão Executar para executar o algoritmo.
Observe as mensagens de progresso em tempo real que aparecem no painel inferior esquerdo da tela. Após a conclusão, verifique o diretório Download para um arquivo tsv com nome semelhante, que contém os destinos priorizados. Depois de gerar o arquivo com metas priorizadas e suas métricas, abra-o em um aplicativo de planilha para revisar.
O algoritmo SPIA identificou 10 vias de sinalização estatisticamente significativas com um valor de p não ajustado inferior a 0,05. O algoritmo Pathway2Targets identificou vários alvos previstos. Os alvos terapêuticos previstos foram consistentes tanto nos alvos classificados quanto nos resultados dos tratamentos classificados, incluindo genes conhecidos relacionados ao câncer colorretal, como EGFR, TP53 e AKT1.
Veja a transcrição completa e aceda a milhares de vídeos científicos
Visão Geral
Este estudo tem como foco caracterizar a resposta transcricional intracelular sob diversas condições e tem o objetivo de prever alvos terapêuticos e marcadores diagnósticos. Ao empregar o algoritmo Pathway2Targets, a pesquisa identifica alvos farmacológicos potenciais para o câncer colorretal por meio da análise de dados de sequenciamento de RNA em massa.
Componentes Principais do Estudo
Área de Pesquisa
- Previsão de alvos para intervenções terapêuticas
- Perfilagem transcricional de respostas intracelulares
- Pesquisa sobre câncer colorretal
Antecedentes
- A necessidade de dados experimentais de alta qualidade para melhorar as previsões
- Dificuldades na validação dos efeitos de fármacos
- Vantagem em identificar alvos farmacológicos dentro de vias de sinalização
Métodos Utilizados
- Algoritmo Pathway2Targets para priorização de alvos
- Dados de sequenciamento de RNA em massa
- Programação em R para análise de dados
Resultados Principais
- Identificação de vias de sinalização estatisticamente significativas
- Múltiplos alvos terapêuticos previstos consistentes entre as saídas
- Os genes-chave identificados incluem EGFR, TP53 e AKT1
Conclusões
- O estudo demonstra uma abordagem inovadora para o reposicionamento de fármacos em vias de sinalização
- A pesquisa é relevante para aprimorar estratégias terapêuticas contra o câncer colorretal
Perguntas Frequentes
Relevância Executiva para a Indústria
A integração do sequenciamento de RNA com algoritmos de enriquecimento de vias e priorização de alvos permite que equipes biofarmacêuticas identifiquem e classifiquem sistematicamente alvos passíveis de intervenção farmacológica dentro de redes de sinalização relevantes para doenças. Essa abordagem aumenta a confiança preditiva na fase de validação de alvos e apoia decisões de portfólio ajustadas ao risco, concentrando-se no contexto mecanicista em vez de acertos genéticos isolados. Os resultados desse fluxo de trabalho informam diretamente o triagem inicial da descoberta e as estratégias translacionais subsequentes.
Aplicações Estratégicas em P&D de Biofármacos
Descoberta Inicial e Validação de Alvos
- Permite a desativação mecanicista de riscos por meio da associação de genes diferencialmente expressos a vias de sinalização funcionais.
- Apoia a validação funcional de alvos por meio de uma análise centrada em vias, em vez de foco em um único gene.
- Melhora a confiança preditiva na seleção de alvos ao integrar redes de interação proteína-proteína.
- Facilita a triagem de portfólios ao classificar alvos com base em impacto nas vias e escores de farmacabilidade.
Triagem e Desenvolvimento de Ensaios
- Prepara listas validadas de genes e vias para fluxos de trabalho de desenvolvimento de ensaios downstream.
- Padroniza as entradas para campanhas de triagem ao fornecer alvos classificados e mecanisticamente relevantes.
- Permite a priorização reprodutível e quantitativa de alvos candidatos para ensaios funcionais.
- Apóia a avaliação escalonável de interações entre compostos e alvos dentro de vias priorizadas.
Pesquisa Translacional e Pré-clínica
- Alinha a priorização de alvos com assinaturas transcritômicas relevantes para a doença, garantindo continuidade translacional.
- Facilita a descoberta de biomarcadores ao vincular perturbações de vias a hipóteses terapêuticas.
- Apoia decisões de avanço ajustadas ao risco mediante a integração de evidências em nível de via e de alvo.
- Fornece contexto mecanicista para a seleção e validação de modelos pré-clínicos.
Integração de Pipeline e Fluxo de Trabalho
Este fluxo de trabalho computacional conecta a descoberta inicial e a pesquisa translacional ao transformar dados de RNA-seq em informações acionáveis sobre alvos e vias.
- Biologia da Descoberta: Permite a verificação de hipóteses e a elucidação de vias por meio da análise de expressão diferencial e SPIA.
- Triagem: Fornece listas de alvos classificadas, adequadas para o desenvolvimento de ensaios e triagem de compostos.
- Análise de Dados: Oferece resultados quantitativos e limiares estatísticos (por exemplo, p < 0,05) para tomada de decisões robusta.
- Pesquisa Translacional: Relaciona alterações na expressão gênica com vias relevantes para doenças e alvos terapêuticos.
- Reutilização Empresarial: Oferece um fluxo de trabalho computacional reutilizável, adaptável a diversos contextos de doenças e conjuntos de dados.
Impacto Operacional e Empresarial
- Valor Científico: Aumenta a confiança preditiva e reduz a ambiguidade mecanicista na seleção de alvos.
- Valor Operacional: Padroniza e automatiza a priorização de vias e alvos para fluxos de trabalho de P&D escaláveis.
- Valor Estratégico: Permite decisões informadas de prosseguir/não prosseguir e gestão eficiente do portfólio em termos de capital.
- Impacto no Portfólio: Apoia a priorização ajustada ao risco e o avanço de alvos de alta confiança.
Considerações sobre a Implementação
- Requer experiência em biologia computacional e análise de dados de RNA-seq.
- Depende do acesso ao ambiente de programação R e aos pacotes de software relevantes.
- Necessita de padronização entre equipes para formatos de dados de entrada e interpretação de saídas classificadas.
- Adaptável a diversos modelos de doenças, mas sensível à complexidade das vias e à densidade de alvos.
- Limitações práticas incluem o tempo de processamento computacional e a necessidade de dados de entrada de alta qualidade.
