近日，我校生物學院計算生物中心研究人員在國際知名刊物《Drug Discovery Today》（IF：8.369，一區）上發表題為“A personalized pharmaco-epistatic network model of precision medicine”論文。博士研究生馮莉為第一作者，鄔榮領教授為通訊作者。
精準醫療，也被稱為個性化醫學，與傳統的方法不同，精準醫療通過考慮個人的遺傳、環境和生活方式差異，為個人量身定做疾病治療和預防策略。新的治療方法能夠更精確地針對疾病，精準醫學可能會產生更高的治療效率和減少副作用。
不同患者間的個體間差異表明迫切的需要發展精準醫療。但是目前的研究無法剖析單個患者的基因控制模式，也無法揭示個體藥物遺傳學結構的復雜性。藥物反應涉及許多基因，這些基因以自體組織的方式相互作用。復雜性狀受遺傳因素和環境的影響，當考慮多方面原因情況下，目前的方法缺乏將高維全基因組基因庫整合到藥物遺傳網絡中的能力，這使得很難繪制藥物反應的遺傳結構的完整圖景。
研究人員利用從功能作圖(FunMap)和進化博弈論的結合中衍生出來的功能圖論（functional graph theory），解決藥物遺傳學研究中的挑戰，為每位患者構建其特定的藥物遺傳網絡圖譜，并應用FunGraph作為一種通用工具來揭示藥物反應潛在的調控機制的前景。
FunGraph克服了現有網絡模型的局限性。重建了完全信息豐富的網絡，這些網絡捕獲了上位性交互的所有基本特征。使用在每個SNP處進行基因分解的gLVODE（generalized Lotka-Volterra (LV) ordinary differential equation）系統來描述每個SNP是如何調節的，同時如何被基因群落中的其他SNPs調節。
為了驗證新理論的生物學意義，研究人員應用模型分析了一組不同患者注射不同濃度的多巴酚丁胺的藥物反應的數據，研究發現對于每個患者，可以辨別在一個基因座上的哪個基因對另一個基因座上位性的表達起促進或抑制作用，而不是將上位性作為一種遺傳變異來衡量。這種個性化的網絡預計將對個性化藥物的設計產生直接的影響。從特定患者的遺傳網絡中，可以更精確地改變某些基因類型的活性，使藥物療效最大化。該模型的提出不但可以揭示生物系統和生命過程的運行機理，還能夠針對復雜疾病以及個性化的治療提供研究理論指導。
論文鏈接：https://www.sciencedirect.com/science/article/pii/S1359644623001241
