抗癌药物敏感性数据库——GDSC

阿琛 挑圈联靠 5月5日
抗癌药物敏感性数据库——GDSC

随着精准医疗的不断推进,人们对于个性化治疗的需求也越来越高。发现能够作为诊断和治疗的分子靶点,从而找到那把医生手中的利器“药物”,成为研究的一大热点。药物,作为基础科研“三变量”的一大因素,对许多研究者而言,是具有很大吸引力的。然而,花花世界,分子类型眼花缭乱,药物种类同样迷人眼。

那么,如何在这已有的药物中找到那一个适合自己的呢?酸菜老师在三十六策的第五策“引药生变”中给大家介绍了一些研究思路,针对某一特定表型,买库与筛库,完成一整套的起步动作。但是,对于部分经费拮据的小医生而言,这过程可谓是杀敌一千,自损八百,实验刚开始经费就开始抗议了。今天,阿琛给大家介绍一个药物相关数据库,供大家品味。
初识GDSC

抗癌药物敏感性基因组学(https://www.cancerrxgene.org/),即Genomicsof Drug Sensitivity in Cancer (GDSC),是目前关于癌症细胞药物敏感性和分子标志物信息的最大的公共数据库。该数据库基于多个研究与数据库信息,整合并重新分析,从细胞、药物和分子三个检索层次,阐述了不同肿瘤细胞对药物的敏感度和反应。

GDSC主要包括三个方面的数据:

  1. 药物敏感性基因特征分析;
  2. 细胞系药物敏感性数据;
  3. 细胞系的基因组突变与CNV变异数据,表达谱数据以及甲基化数据(GSE68379);
    其中,2020年2月的8.2更新版本将47种化合物添加到GDSC1数据集,并将23种化合物添加到GDSC2数据集;目前,总共有60434个新的药物IC50,可谓能满足大部分研究者的筛选需求了。

数据库查询

进入GDSC数据库,在搜索栏里面输入基因名字或药物或细胞系即可进行搜索,当然点击上方的栏目Compounds(药物)、Features(分子)以及Cell Lines(细胞系)栏目也可分别检索。

从分子到药物,通过“筛”与“猜”获得研究的主变量分子后,接下来就是药物的选择了。以EGFR为例,进行检索,点击“EGFR_mut”进入结果页面。

在Dataset中,选择相对较新的GDSC 2数据集的结果,就可以看到所有肿瘤(Pan-cancer)中EGFR突变与抗癌药物之间的相关性,对于具体的肿瘤我们也可以在Tissue specific analysis中进行修改。

▲ 图中,每个圆圈代表一种抗癌药物,鼠标移至圆圈处即可显示该药物的具体信息,包括Drug,Samplesize,Effect,以及P-value。如结果显示,随着IC50值的增大,药物对EGFR突变的耐药性也逐渐增加,绿色部分代表对EGFR突变敏感的药物,红色部分代表对耐药的药物。下方的表格具体展示了各种药物与肿瘤之间的相关性,其中存在三种药物对EGFR的突变存在较高的敏感性;通过点击表格下方的“CSV/TAB/XLS”即可下载相应格式的结果。

随后,点击“Scatter plots”,可以查看具体药物对EGFR突变的影响。点击“Select Drug”可更换你所感兴趣的药物,下方的表格也提供了该药物在各个肿瘤中的治疗人数以及相应的P值。如图所示,Osimertinib治疗对于EGFR突变患者存在明显的敏感性,且P <0.001。

▲ Osimertinib对EGFR突变的肺癌患者敏感性分析
结果分析与展示

通过截屏获取火山图结果,这是GDSC的不足之处,只能再通过Adobe Illustrator进行后期的拼图。大家也可以进入解螺旋,学习“大师兄带你修炼科研绘图独家秘籍”,修炼并点亮该项技能。

我们一起来看下2019年12月最新发表在PeerJ杂志上一篇文章(PMID: 31871844)的Figure 3,作者通过使用GDSC数据库,分析了TP53突变对膀胱癌化疗药物敏感性的分析。在图A中,火山图显示带有TP53突变的膀胱癌对丝裂霉素C,阿霉素和吉西他滨显着敏感;随后,作者分别分析了丝裂霉素-C,阿霉素和吉西他滨对TP53突变的泛癌和膀胱癌的影响。

▲ TP53突变影响膀胱癌的药物选择
其他查询方式

当研究药物确定时,从一种药出发研究肿瘤耐药的机制,此时也可以通过GDSC数据库检索合适的分子。点击“Compounds”进入药物检索页面,在搜索栏中输入感兴趣的药物进行检索;同时,我们也可以点击“CSV”或“TSV”下载所有药物的基本信息,包括药物的名字、靶点、影响的通路以及该药物在数据库中的特异性编号。

通过检索5-FU,点击进入,即可看到5-FU在不同肿瘤中的情况,包括5-FU在各个肿瘤细胞系和组织中的IC50分布,血药浓度,有效范围等信息。

▲ 5-FU在不同细胞系中的IC50(其中,每个点代表一种不同的细胞系)

▲ 不同组织中5-FU的IC50分布图

当然,GDSC也支持数据下载通过原始的药物浓度、基因表达相关数据,使用生信手段来进一步地进行多层次的关联分析

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,588评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,456评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,146评论 0 350
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,387评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,481评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,510评论 1 293
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,522评论 3 414
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,296评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,745评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,039评论 2 330
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,202评论 1 343
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,901评论 5 338
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,538评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,165评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,415评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,081评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,085评论 2 352