基于基因表达相似性识别的通路药物反应预测数据表

资源简介

基于基因表达相似性识别的通路药物反应预测数据表

【一句话概览】

本数据集是 figshare 公开的组学数据集，收录 1 个文件、合计 3.24 MB，主题涵盖 breast cancer、human epidermal growth factor receptor 2、lapatinib、trastuzumab、transcriptional similarity coefficient，可用于生物标志物发现与分子分型研究，CC BY 4.0 许可开放获取。

【数据集背景】

本数据集源站标题为《Data_Sheet_1_Pathway-Based Drug Response Prediction Using Similarity Identification in Gene Expression.ZIP》。配套论文《SIGN: similarity identification in gene expression》发表于 Bioinformatics（2019），DOI：10.1093/bioinformatics/btz485。源站首次发布：2020-09-09。

【数据内容】

源站原始描述：Lapatinib and trastuzumab (Herceptin) are targeted therapies designed for patients with HER2+ breast tumors. Although these therapies improved survival rates of patients with this tumor type, not all the patients harboring HER2 amplification respond to these drugs. The NeoALTTO clinical trial was designed to test whether a higher response rate can be achieved by combining lapatinib and trastuzumab. Although the combination therapy showed almost double the response rate compared to the monotherap…

中文译文（机器翻译，仅供快速理解，请以原文为准）：拉帕替尼和曲妥珠单抗（赫赛汀）是专为HER2+乳腺肿瘤患者设计的靶向疗法。尽管这些疗法提高了该类肿瘤患者的生存率，但并非所有携带HER2扩增的患者都对这些药物产生应答。NeoALTTO临床试验旨在检验联合使用拉帕替尼和曲妥珠单抗能否获得更高的应答率。虽然联合治疗的应答率几乎是单药治疗的两倍，但仍有40%的患者对治疗无应答。在本研究中，我们试图基于肿瘤的基因表达谱来识别HER2+乳腺癌患者药物应答的生物标志物。我们发现，基于单变量基因表达的生物标志物虽具有显著性，但对药物应答的预测能力较弱。我们进一步表明，利用近期提出的转录相似系数（TSC）对肿瘤样本进行基因表达模式量化所估算的通路活性，对治疗应答具有较高的预测价值（一致性指数>0.8，p<0.05）。此外，使用多种算法（包括逻辑回归、朴素贝叶斯、随机森林、k近邻和支持向量机）构建的机器学习模型在预测NeoALTTO临床试验中的药物应答时，其性能低于我们基于通路的方法。我们的结果表明，生物通路的转录相似性可用于预测HER2+乳腺癌对拉帕替尼和曲妥珠单抗的应答。

【数据结构与技术规格】

文件数 1 个，合计 3.24 MB。Data_Sheet_1_Pathway-Based Drug Response Prediction Using Similarity Identification in Gene Expression.ZIP：application/zip，3.24 MB。数据集 DOI：10.3389/fgene.2020.01016.s001。

【主题与分类】

源站学科分类：Gene and Molecular Therapy、Biomarkers、Genetics、Genetically Modified Animals、Developmental Genetics (incl. Sex Determination)、Epigenetics (incl. Genome Methylation and Epigenomics)。主题标签：breast cancer、human epidermal growth factor receptor 2、lapatinib、trastuzumab、transcriptional similarity coefficient、estrogen receptor。

【适用方向】

组学数据适用于生物标志物发现与分子分型相关建模研究。

【获取与许可】

源站页面：https://frontiersin.figshare.com/articles/dataset/Data_Sheet_1_Pathway-Based_Drug_Response_Prediction_Using_Similarity_Identification_in_Gene_Expression_ZIP/12932369

使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。

规范引用：Tonekaboni, Seyed Ali Madani; Beri, Gangesh; Haibe-Kains, Benjamin (2020). Data_Sheet_1_Pathway-Based Drug Response Prediction Using Similarity Identification in Gene Expression.ZIP. Frontiers. Dataset

【使用注意】

· 源站最后修改于 2023-06-01，引用时请注意版本时效。