Richtlinien zur Einreichung von Proben
Warum Zielgruppenlisten mehr als eine Art von Beweis benötigen
Ein starkes Ausdruckssignal oder ein Bildschirmresultat kann eine nützliche Spur sein. Es ist selten ausreichend, um ein Ziel allein auszuwählen.
Bevor ein Ziel voranschreitet, muss das Forschungsteam wissen, warum es die Krankheit beeinflussen könnte. Das Team muss auch wissen, wo es wirkt, was passiert, wenn es verändert wird, und welche Risiken bestehen bleiben.
Wir bringen diese Fragen in eine Überprüfung. KI hilft uns, Beweise in großen Datensätzen zu finden und zu organisieren. Unsere Wissenschaftler überprüfen dann die Quellen, interpretieren Konflikte und verbinden jede wichtige Lücke mit einem geeigneten Experiment.
Wenn öffentliche Beweise nicht ausreichen, können wir neue Omics-Daten generieren. Dies ermöglicht es der Studie, über die Überprüfung von Datenbanken hinauszugehen und das Ziel in einem relevanten Gewebe, Zelltyp oder Modell zu testen.
Fragen, bei denen wir Ihnen helfen können, sie zu beantworten
- Warum ist dieses Ziel mit der Krankheit verbunden?
- Welche Zellen oder Geweberegionen tragen das Signal?
- Ändert das Wechseln des Ziels einen nützlichen Phänotyp?
- Ist das Ziel praktisch zu studieren oder zu modulieren?
- Welche Sicherheits- oder biologischen Risiken könnten das Programm stoppen?
- Welches Experiment würde die Unsicherheit verringern?
Wie wir gemeinsame Entscheidungen zur Zielentdeckung unterstützen
Das Studiendesign hängt davon ab, wo die Zielgruppe herkommt und welche Entscheidung als Nächstes getroffen werden muss.
Finden Sie das wahrscheinlichste Zielgen an einem krankheitsassoziierten Locus.
Ihre Frage: Eine genetische Studie hat eine krankheitsassoziierte Region gefunden. Welches Gen in dieser Region ist der beste Zielkandidat?
Daten und Experimente: Wir können GWAS-Ergebnisse, feinabgeglichene Varianten, QTL-Daten, kodierende Varianten, Krankheitsmerkmale und Gewebeexpression kombinieren. Neue Exom- oder RNA-Daten können hinzugefügt werden, wenn die bestehenden Beweise das Gen nicht klären.
Wie KI hilft: KI-gestützte Methoden verbinden Varianten mit möglichen Genen über mehrere Evidenzquellen hinweg. Unsere Wissenschaftler trennen regionale Assoziationen von direkter Genunterstützung und kennzeichnen Ergebnisse, die nicht übereinstimmen.
Was wir liefern: Sie erhalten eine rangierte Genliste, eine quellenverknüpfte Evidenzkarte für jeden Kandidaten und eine klare Darstellung der verbleibenden Unsicherheiten.
Wie man validiert: Starke Kandidaten können zu Expressions- oder Störungsstudien übergehen. Unklare Kandidaten benötigen möglicherweise zuerst gewebespezifische RNA, epigenetische oder funktionale Beweise.
Veröffentlichte Beweise: Nelson et al. fanden heraus, dass relevante menschliche genetische Unterstützung unter erfolgreichen Wirkmechanismen häufiger vorkam. Genetik kann die Wahl eines Ziels stärken, beweist jedoch nicht, dass ein bestimmtes Gen in einem neuen Programm funktionieren wird.
Finden Sie ein Ziel im richtigen Zelltyp und Gewebegebiet.
Ihre Frage: Ist das Ziel in den Zellen aktiv, die die Krankheit vorantreiben, oder sieht es nur in Gewebeproben wichtig aus?
Daten und Experimente: Wir können krankheits- und Kontrollgewebe, behandlungsempfindliche und resistente Regionen oder Läsionen und angrenzendes Gewebe vergleichen. Das Design kann eine Kombination aus Bulk-RNA-Sequenzierung, Einzelzell-RNA-Sequenzierung und räumlicher Profilierung umfassen. Chromatindaten können Informationen über die Genregulation hinzufügen.
Wie KI hilft: KI-gestützte Analysen verbinden Zelltypen, Zellzustände, Gewebe Regionen, Signalwege und Zell-Zell-Signale. Sie helfen auch dabei, Signale zu identifizieren, die hauptsächlich durch Veränderungen in der Zellzahl verursacht werden.
Was wir liefern: Sie erhalten ein Zielranking mit Zell- und Gewebekarten, Beweisen für Krankheitsregionen, nahegelegenen Zellinteraktionen und Kontext zu Signalwegen.
Wie man validiert: Ausgewählte Ziele können in weiteren Geweben mit gezielten in situ-Tests, Expressionstests oder zellspezifischen Störungsstudien überprüft werden.
Veröffentlichte Beweise: Katzenelenbogen et al. verwendeten Einzelzell-Daten, um ein TREM2-positives myeloides Zellprogramm in Tumoren zu identifizieren. Nachfolgende Experimente an Mäusen testeten die biologische Rolle dieses Programms.
Priorisieren Sie Abhängigkeiten, die mit einem Subtyp oder Widerstandsstatus verknüpft sind.
Ihre Frage: Welche Bildschirmtreffer sind spezifisch für das Krankheitsmodell, die Mutation oder den Resistenzstatus von Interesse?
Daten und Experimente: Wir können Störungsscreens mit genomischem Hintergrund, RNA-Expression, Aktivität von Signalwegen und Daten zur Arzneimittelreaktion kombinieren. RNA- oder Einzelzellprofilierung nach der Störung kann zeigen, wie das Modell reagiert.
Wie KI hilft: KI-unterstützte Analysen helfen dabei, allgemein essentielle Gene von selektiven Abhängigkeiten zu trennen. Sie können auch Abhängigkeiten mit Mutationen, Expressionszuständen, Signalwegen und bekannten Forschungsverbindungen verknüpfen.
Was wir liefern: Sie erhalten eine rangierte Abhängigkeitsliste, mögliche Antwortmarker, Nachweisdaten für den Weg und einen gestuften Validierungsplan.
Wie man validiert: Wichtige Ergebnisse sollten mit unabhängigen Reagenzien und zusätzlichen krankheitsrelevanten Modellen wiederholt werden. Eine Rettung oder eine andere Form der Zielmodulation kann stärkere Unterstützung bieten.
Veröffentlichte Beweise: Behan et al. kombinierten genomweite Screens in 324 menschlichen Krebszelllinien aus 30 Krebsarten mit genomischen und zielbezogenen Machbarkeitsdaten. Manguso et al. verwendeten ein In-vivo-Screening und Folgeexperimente, um Regulatoren der Tumorimmunität zu untersuchen.
Wählen Sie aus, welche Ziele zur Validierung weiterverfolgt werden sollen.
Ihre Frage: Mehrere Ziele erscheinen vernünftig. Welche sollten vorangetrieben werden und bei welchen sind zunächst weitere Beweise erforderlich?
Daten und Experimente: Wir überprüfen Krankheitsbeweise, Genetik, Gewebe- und Zellexpression, räumliche Lage, funktionale Ergebnisse, Signalwege, bekannte Forschungsverbindungen, praktische Durchführbarkeit und Sicherheitsrisiken. Ein fokussiertes Omics-Experiment kann eine wertvolle Lücke schließen.
Wie KI hilft: KI-gestützte Methoden organisieren die Beweise und wenden vereinbarte Bewertungsregeln an. Wir zeigen, welche Quellen das Ranking beeinflussen und wie sich die Liste ändert, wenn unsichere Beweise weniger Gewicht erhalten.
Was wir liefern: Jedes Ziel wird in eine der vier Gruppen eingeteilt: vorantreiben, lösen, halten oder zurückstellen. Sie erhalten auch eine Evidenztabelle, Zielkarten, eine Risikozusammenfassung und einen Plan für die nächsten Schritte.
Wie man validiert: Jedes ungelöste Ziel erhält eine spezifische Empfehlung, wie z.B. eine Störungsstudie, eine andere Kohorte, gezielte RNA-Tests oder zelluläre und räumliche Bestätigungen.
Veröffentlichte Beweise: Das Open Targets-Framework zeigt, wie Genetik, funktionale Daten, Expression, Machbarkeit und Sicherheitsinformationen die Zielbewertung unterstützen können. Es hält auch die ursprünglichen Beweise zur Überprüfung bereit.
Wählen Sie das Experiment, das die fehlende Frage beantwortet.
Mehr Daten sind nicht immer besser. Wir wählen die Technologie aus, die die Zielentscheidung verändern kann.
| Servicetechnologie | Frage, die es beantworten kann | Häufige Verwendung in der Zielentdeckung |
|---|---|---|
| Whole-Exom-Sequenzierung | Sind kodierende Varianten oder Modellgenotypen mit dem Ziel verknüpft? | Genunterstützung, Krankheitsuntertyp, Modellauswahl und Variantenbestätigung |
| RNA-Sequenzierung | Wo wird das Ziel ausgedrückt und welche Wege ändern sich damit? | Krankheitsvergleich, Mechanismus, Resistenz und Störungsreaktion |
| Einzelzell-RNA-Sequenzierung | Welche Zellart oder Zellzustand trägt das Zielsignal? | Seltene Zellen, Immunzustände, Gewebeheterogenität und zellspezifische Reaktion |
| Räumliche Multi-Omics-Sequenzierungsdienste | Wo befindet sich das Ziel im Gewebe? | Krankheitsregionen, Zellnachbarschaften, resistente Nischen und lokale Interaktionen |
| ATAC-Seq | Welche regulatorischen Regionen könnten das Zielprogramm steuern? | Chromatinzustand, upstream Regulatoren und zustandspezifische Kontrolle |
| Multi-Omics-Dienstleistungen | Unterstützen mehrere molekulare Schichten dasselbe Ziel? | Cross-Layer-Bestätigung, Konfliktüberprüfung und Mechanismusverfeinerung |
| Bioinformatik-Dienstleistungen | Können vorhandene Daten zuverlässig verarbeitet und verglichen werden? | Datenüberprüfung, Harmonisierung, Integration öffentlicher Daten und reproduzierbare Berichterstattung |
Die räumliche Profilierung ist besonders nützlich, wenn Massendaten nicht zeigen können, wo ein Signal herkommt. Je nach Gewebe und Forschungsfrage können wir Visium, Visium HD, Stereo-seq oder Xenium in situ Profilierung in Betracht ziehen.
Beginnen Sie mit Daten, Proben oder einer Zielauswahl.
| Projekttyp | Was Sie anbieten | Wie wir das Studium unterstützen |
|---|---|---|
| Daten zu Erkenntnissen | Omics- oder Screen-Daten, Metadaten, öffentliche Datensätze und eine Forschungsfrage | Wir überprüfen die Datenqualität, fügen relevante öffentliche Beweise hinzu, bewerten Ziele und empfehlen Validierungsstudien. |
| Hybrid-Studium | Vorhandene Daten plus Biospezimen oder Modellen für eine fehlende Evidenzschicht | Wir entwerfen ein fokussiertes Experiment, generieren die Daten und aktualisieren das Zielranking. |
| Shortlist Überprüfung | Ein definiertes Set von Zielen und die Kriterien für deren Fortschritt. | Wir vergleichen jedes Ziel, identifizieren Risiken, testen die Stabilität der Rangfolge und definieren die nächste Entscheidung. |
Sehen Sie, warum jedes Ziel seine Bewertung erhält.
Das Endergebnis ist nur dann nützlich, wenn die zugrunde liegenden Beweise leicht zu überprüfen sind.
- Krankheitsnachweis: Assoziation mit der Krankheit, dem Merkmal oder dem Phänotyp
- Genetische Unterstützung: Varianten, QTL-Beweise und Verbindungen von einem Locus zu einem Gen
- Biologischer Standort: Gewebe, Zelltyp, Zellzustand und räumliche Region
- Funktionale Unterstützung: Störungsergebnisse, Abhängigkeit, Rettung und Mechanismus
- Wegrolle: Netzwerkposition, Redundanz und mögliche Fluchtwege
- Praktische Durchführbarkeit: wie zugänglich das Ziel für Forschungstools oder eine gewählte Modalität ist
- Sicherheitsrisiken: normale Gewebeexpression, menschliche Phänotypen und essentielle Funktionen
- Qualität der Beweise: Studiengestaltung, Replikation, Modellrelevanz und widersprüchliche Ergebnisse
Für jedes Ziel erfassen wir die Quelle, das Ergebnis, die Richtung, das Vertrauen und den Bewertungseffekt. Wir testen auch, ob ein Ziel hoch eingestuft bleibt, wenn unsichere Beweise oder Bewertungsgewichte sich ändern.
Von einer breiten Zielgruppe zu einer testbaren Kurzliste
Ein verbundener Workflow hält die Datengenerierung, die Überprüfung von Beweisen, das Ranking und die Validierung auf dieselbe Entscheidung fokussiert.
Schritt 1 - Definiere die Entscheidung: Wir klären die Krankheit, den biologischen Kontext, die bevorzugte Modalität, die Zielkriterien und die Hauptgründe für einen Stopp oder Fortschritt.
Schritt 2 - Überprüfen Sie die aktuellen Beweise: Wir bewerten Ihre Daten, öffentliche Studien, Zielgruppenliste, Verbindungen, Probeninformationen und bekannte Wissenslücken.
Schritt 3 - Design fokussierter Experimente: Falls erforderlich, wählen wir die Omics-Studie aus, die am ehesten eine wichtige Lücke schließen kann.
Schritt 4 - Daten generieren und verarbeiten: Wir führen das vereinbarte Experiment, die Qualitätskontrolle, Bioinformatik und den Vergleich mit kompatiblen Beweisen durch.
Schritt 5 - Erstellen Sie die Evidenztabelle: Wir organisieren Informationen zu Krankheiten, Genetik, Zellen, räumlichen Aspekten, Funktionalität, Wegen, Machbarkeit und Sicherheit.
Schritt 6 - Rang und Stabilitätstest: Wir wenden klare Regeln an, überprüfen Konflikte und prüfen, ob unterschiedliche Annahmen die engere Auswahl verändern.
Schritt 7 - Überprüfen Sie jedes Ziel: Unsere Wissenschaftler klassifizieren Kandidaten als vorantreiben, lösen, halten oder zurückstellen.
Schritt 8 - Planvalidierung: Wir empfehlen das Experiment, das Modell, die Kohorte oder die Gewebestudie, die für die nächste Entscheidung erforderlich ist.
Was wir zur Planung der Studie benötigen
Das Projekt kann mit einer allgemeinen Krankheitsfrage oder einer definierten Shortlist beginnen.
- Krankheit, Phänotyp, Population, Stadium und vorgeschlagener Mechanismus
- Aktuelle Ziel-Liste und Gründe für die Auswahl jedes Ziels
- Roh- oder verarbeitete Omics-, Screening- oder Antwortdaten
- Probe, Modell, Charge, Behandlung und Ergebnisinformationen
- Öffentliche Kohorten, bekannte Verbindungen, frühere Erkenntnisse und interne Hypothesen
- Verfügbare Biomaterialien oder Modelle für neue Experimente
- Bevorzugte Modalität, Gewebezugang und Gründe für den Ausschluss eines Ziels
Liefergegenstände für die nächste Forschungsentscheidung
- Daten- und Nachweisquelle-Überprüfung
- Qualitätskontrollierte Omics-Daten, wenn Experimente einbezogen werden
- Ziel-Langliste und priorisierte Kurzliste
- Ziel-nach-Beweis-Tabelle
- Individuelle Zielzusammenfassungs-Karten
- Zell-, Gewebe-, räumlicher, Weg- und Netzwerk-Kontext
- Klare Rangregeln und Gründe
- Konflikte, Unsicherheit und Sicherheitsrisikoflaggen
- Ranking-Stabilitätsanalyse
- Vorantreiben, lösen, festhalten oder Entscheidungen zurückstellen
- Zielgerichtete Validierungsempfehlungen
- Reproduzierbare Tabellen, Abbildungen, Methoden und Einschränkungen
Schließen Sie Evidenzlücken mit neuen Omics-Daten
Eine Datenbanküberprüfung kann zeigen, was bereits bekannt ist. Sie kann jedoch nicht immer beantworten, ob das Ziel in Ihren Proben, Ihren Modellen oder dem relevanten Krankheitsbereich aktiv ist.
CD Genomics kombiniert Wet-Lab-Omics mit Bioinformatik, Einzelzellanalysen, räumlicher Profilierung und Evidenzbewertung. Wenn das Ranking von fehlenden Informationen abhängt, kann unser Team das Experiment entwerfen und durchführen, das erforderlich ist, um diese zu erhalten.
Sie erhalten mehr als eine Bewertung. Der Abschlussbericht zeigt die unterstützenden Beweise, die Haupt Risiken, die Grenzen der aktuellen Daten und die nützlichste nächste Studie.
Forschungsgrenze
Die Zielentdeckung bleibt ungewiss. Wir garantieren nicht, dass ein Ziel praktisch zu modulieren, die Validierung zu bestehen oder in der späteren Entwicklung erfolgreich zu sein wird.
Referenzen
- Nelson MR, Tipney H, Painter JL, et al. Die Unterstützung menschlicher genetischer Beweise für genehmigte Arzneimittelindikationen. Naturgenetik. 2015.
- Katzenelenbogen Y, Sheban F, Yalin A, et al. Kopplung von scRNA-Seq und intrazellulärer Proteinaktivität zeigt eine immunsuppressive Rolle von TREM2 im Krebs. Zelle. 2020.
- Behan FM, Iorio F, Picco G, et al. Priorisierung von therapeutischen Zielen bei Krebs mittels CRISPR-Cas9-Screenings. Natur. 2019.
- Manguso RT, Pope HW, Zimmer MD, et al. In-vivo-CRISPR-Screening identifiziert Ptpn2 als Ziel für die Krebsimmuntherapie. Natur. 2017.
- Ochoa D, Hercules A, Carmona M, et al. Open Targets Plattform: Unterstützung bei der systematischen Identifizierung und Priorisierung von Arzneimittel-Zielen. Nukleinsäurenforschung. 2021.
- Ghoussaini M, Mountjoy E, Carmona M, et al. Open Targets Genetics: systematische Identifizierung von merkmalsassoziierten Genen durch großangelegte Genetik und funktionelle Genomik. Nukleinsäuren Forschung. 2021.
Nur für Forschungszwecke. Nicht für den Einsatz in diagnostischen oder klinischen Verfahren.
Beispielbericht zur Zielpriorisierung
Der Bericht ist für Zielüberprüfungssitzungen konzipiert. Er zeigt die Punktzahl, die dahinter stehenden Beweise, die wichtigsten Risiken und die nächsten Schritte für jedes Ziel.
Der Bericht kann eine Evidenz-Hitzekarte, Kategoriewertungen, Zell- und räumlichen Kontext, Punktbeiträge, Risikoflaggen, Ranking-Stabilität und empfohlene Experimente enthalten. Evidenzkategorien und Gewichtungen werden für das Projekt ausgewählt.
KI-gestützte Zielentdeckung und Priorisierung FAQs
Kann das Projekt mit einer bestehenden Zielgruppe beginnen?
Ja. Wir können eine Longlist oder Shortlist anhand der vereinbarten Kriterien für Biologie, Machbarkeit, Sicherheitsrisiko und Validierung überprüfen. Der Bericht erklärt, warum jedes Ziel voranschreitet, mehr Beweise benötigt, auf Eis gelegt wird oder eine geringere Priorität hat.
Kann CD Genomics neue experimentelle Daten generieren?
Ja. Wir können Exom-, RNA-, epigenetische, Einzelzell-, räumliche oder Multi-Omics-Daten hinzufügen, wenn eine wichtige Evidenzlücke eine klare Entscheidung verhindert.
3. Wie kann räumliche Multi-Omik die Zielauswahl verbessern?
Die räumliche Profilierung zeigt, wo ein Ziel im Gewebe aktiv ist. Sie kann Krankheitsregionen, Zellnachbarschaften, invasive Grenzen, Immunkompartimente oder resistente Nischen offenbaren, die mit umfangreichen Daten nicht getrennt werden können.
4. Vertraut der Dienst ausschließlich auf öffentliche Datenbanken?
Nein. Wir können öffentliche Beweise mit Ihren eigenen Daten und neu generierten Experimenten kombinieren. Wir überprüfen die Studienqualität und die biologische Relevanz, bevor wir die Quellen kombinieren.
5. Was macht KI im Projekt?
KI hilft dabei, große Mengen an Beweisen abzurufen, zu organisieren, zu vergleichen und zusammenzufassen. Unsere Wissenschaftler überprüfen die Quellen, legen die Bewertungsregeln fest, interpretieren Konflikte und überprüfen die endgültige Rangliste.
6. Können die Bewertungsregeln geändert werden?
Ja. Wir wählen Gewichte für die Krankheit, die bevorzugte Modalität und die Forschungsentscheidung aus. Wir zeigen auch, ob sich das Ranking ändert, wenn unsichere Beweise weniger Gewicht erhalten.
7. Kann der Service ein erfolgreiches Ziel garantieren?
Nein. Die Zielentdeckung und -validierung sind unsicher. Wir helfen dabei, stärkere Beweise, wichtige Risiken und die nützlichsten nächsten Experimente zu identifizieren.
Veröffentlichte Fallstudie
Unabhängiges Forschungs-Highlight
Verwendung funktionaler Bildschirme zur Einstufung kontextspezifischer Krebsabhängigkeiten
Diese Veröffentlichung ist ein unabhängiges Forschungsbeispiel. Es handelt sich nicht um ein Kundenprojekt von CD Genomics.
Hintergrund
Ein starkes Bildschirm-Signal identifiziert nicht immer ein selektives oder praktisches Ziel. Die Forscher fragten sich, ob funktionale Ergebnisse mit genomischen und Machbarkeitsnachweisen kombiniert werden könnten, um die Zielbewertung zu verbessern.
Methoden
Behan et al. führten genomweite Screenings in 324 menschlichen Krebszelllinien aus 30 Krebsarten durch. Sie kombinierten die Auswirkungen auf die Zellfitness mit genomischen Markern und Informationen darüber, wie praktikabel jedes Ziel für Studien oder Modulationen sein könnte.
Ergebnisse
Die Analyse identifizierte Abhängigkeiten, die mit spezifischen Gewebe- und genetischen Einstellungen verknüpft sind. WRN wurde in Krebsmodellen mit Mikrosatelliteninstabilität hervorgehoben und in weiteren Experimenten näher untersucht.
Schlussfolgerung
Die Studie zeigt, warum die Bildschirmstärke nicht allein verwendet werden sollte. Selektivität, genomischer Kontext, praktische Durchführbarkeit, Reproduzierbarkeit und Folgestudien beeinflussen alle die Zielentscheidung. Ergebnisse aus einer Studie sagen nichts über den Ausgang eines anderen Projekts voraus.
Referenz
- Behan FM, Iorio F, Picco G, et al. Priorisierung von therapeutischen Zielen bei Krebs unter Verwendung von CRISPR-Cas9-Screenings. Natur. 2019.
Ausgewählte Veröffentlichungen
Diese unabhängigen Publikationen bieten Forschungsgrundlagen für genetisch geleitete, zellspezifische, funktionale und evidenzbasierte Zielpriorisierung. Sie werden nicht als Projekte von CD Genomics Kunden präsentiert.
- Nelson MR, Tipney H, Painter JL, et al. Die Unterstützung durch menschliche genetische Beweise für zugelassene Arzneimittelindikationen. Naturgenetik. 2015.
- Katzenelenbogen Y, Sheban F, Yalin A, et al. Kopplung von scRNA-Seq und intrazellulärer Proteinaktivität zeigt eine immunsuppressive Rolle von TREM2 im Krebs. Zelle. 2020.
- Manguso RT, Pope HW, Zimmer MD, et al. In-vivo-CRISPR-Screening identifiziert Ptpn2 als Ziel für die Krebsimmuntherapie. Natur. 2017.
- Ochoa D, Hercules A, Carmona M, et al. Open Targets Plattform: Unterstützung bei der systematischen Identifizierung und Priorisierung von Arzneimittel-Zielen. Nukleinsäurenforschung. 2021.
- Ghoussaini M, Mountjoy E, Carmona M, et al. Open Targets Genetics: systematische Identifizierung von mit Merkmalen assoziierten Genen unter Verwendung von großangelegter Genetik und funktioneller Genomik. Nukleinsäuren Forschung. 2021.
