- 12 次围观
当前癌症药物靶点发现方法面临两个关键局限：一是来源于细胞系的靶点难以有效转化到患者肿瘤中；二是缺乏对靶点优先排序背后调控机制的因果性解释。本文提出BayesTx（Bayesian Therapeutics target discovery，贝叶斯治疗靶点发现），这是一个贝叶斯网络框架，通过整合患者转录组学数据与细胞系数据，以识别癌症中的因果性治疗靶点。 BayesTx将两个数据域投射到由通路活性和转录因子活性构成的共享生物学空间中，学习各自领域特异的因果图，并通过加权边聚合与自助法一致性过滤对其进行合并。对一致性网络进行do-模拟后，可以量化每个转录因子对癌细胞存活率的因果效应。 将该框架应用于乳腺癌研究时，利用TCGA-BRCA（癌症基因组图谱乳腺癌队列）和DepMap（癌症依赖性图谱）数据集，框架根据预测的因果影响对47个转录因子进行了排序，并进一步通过基于调控子网络的传播推导出基因层面的靶点。排名靠前的转录因子（TF）靶点还得到了外部队列数据中的生存分析以及药物基因组学药物反应关联分析的独立支持。 总体而言，BayesTx表明，跨域贝叶斯网络建模能够连接患者数据与细胞系数据，从而系统性地识别癌症中的因果性治疗靶点。
一种基于贝叶斯网络的整合患者与细胞系数据的癌症药物靶点因果发现框架 | bioRxiv
跳转至主要内容 首页 关于 投稿 提醒 / RSS 搜索此关键词 高级搜索 最新结果
一种基于贝叶斯网络的整合患者与细胞系数据的癌症药物靶点因果发现框架
查看 ORCID 个人资料 Seok Hwan Yoon ， 查看 ORCID 个人资料 Ye Rin Park ， 查看 ORCID 个人资料 Hyun Uk Kim
doi： https://doi.org/10.64898/2026.07.13.736676
Seok Hwan Yoon 1 KAIST（韩国科学技术院）； 在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。 本文依据 CC-BY-NC-ND 4.0 国际许可协议 提供。
返回顶部 上一项 下一项 发布于 2026 年 7 月 13 日。
下载 PDF 补充材料 电子邮件
感谢您有兴趣传播 bioRxiv。 您的电子邮件 * 您的姓名 * 发送至 * 请输入多个地址，每行一个，或以逗号分隔。
您将通过电子邮件发送以下内容 一种基于贝叶斯网络的整合患者与细胞系数据的癌症药物靶点因果发现框架
消息主题 （您的姓名）已从 bioRxiv 转发了一个页面给您
消息正文 （您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。
您的个人留言
验证码 此问题用于测试您是否为人工访问者，并防止自动垃圾信息提交。
分享 一种基于贝叶斯网络的整合患者与细胞系数据的癌症药物靶点因果发现框架 Seok Hwan Yoon ， Ye Rin Park ， Hyun Uk Kim bioRxiv 2026.07.13.736676； doi： https://doi.org/10.64898/2026.07.13.736676
分享本文： 复制
引文工具 一种基于贝叶斯网络的整合患者与细胞系数据的癌症药物靶点因果发现框架 Seok Hwan Yoon ， Ye Rin Park ， Hyun Uk Kim bioRxiv 2026.07.13.736676； doi： https://doi.org/10.64898/2026.07.13.736676
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.13.736676v1?rss=1
🏷️ 癌症药物靶点 贝叶斯网络 因果推断 患者-细胞系整合 转录因子 乳腺癌