应用数据挖掘及深度学习技术探索皮肤鳞状细胞癌的治疗靶点及药物

目的:使用计算机工具和公开数据库挖掘与皮肤鳞状细胞癌(cSCC)相关的基因和信号通路，并通过深度学习模型探索治疗cSCC的靶点及药物。方法:通过文本挖掘和GeneCodis找出与cSCC高度相关的基因；使用STRING和Cytoscape进行蛋白质-蛋白质相互作用分析；通过DGIdb数据库基于药物-基因相互作用分析，得到候选药物；利用药物-靶点相互作用深度学习模型DeepPurpose，采用深度学习算法，在药靶相关性的基础上进一步对药物-靶点亲和力进行预测，并给出与目标靶点亲和力较高的部分药物推荐。结果:通过文本挖掘识别出与cSCC相关的121个基因；基因富集分析中产生了与10个信号通路有关的11个基因和54个靶向药物。其中，主要通路包括"pathways in cancer"(癌症相关信号通路)、"MAPK signaling pathway"(MAPK信号通路)、"ErbB signaling pathway"(ErbB信号通路)；主要基因包括TP53、MDM2、CCND1、CDKN2A、HRAS、EGFR、MYC、ERBB2、AKT1、STAT3和SRC。通过DeepPurpose得到34个最终药物，包括11个化疗药物、17个酪氨酸激酶抑制剂、4个PI3K/AKT/mTOR抑制剂、1个丝裂原活化蛋白激酶抑制剂和维生素A酸。结论:使用计算机工具和深度学习模型有望成为一种新的探索靶向cSCC基因药物的有效方法。