近日，我校生物学院计算生物中心研究人员在国际知名刊物《Drug Discovery Today》（IF：8.369，一区）上发表题为“A personalized pharmaco-epistatic network model of precision medicine”论文。博士研究生冯莉为第一作者，邬荣领教授为通讯作者。

　　精准医疗，也被称为个性化医学，与传统的方法不同，精准医疗通过考虑个人的遗传、环境和生活方式差异，为个人量身定做疾病治疗和预防策略。新的治疗方法能够更精确地针对疾病，精准医学可能会产生更高的治疗效率和减少副作用。

　　不同患者间的个体间差异表明迫切的需要发展精准医疗。但是目前的研究无法剖析单个患者的基因控制模式，也无法揭示个体药物遗传学结构的复杂性。药物反应涉及许多基因，这些基因以自体组织的方式相互作用。复杂性状受遗传因素和环境的影响，当考虑多方面原因情况下，目前的方法缺乏将高维全基因组基因库整合到药物遗传网络中的能力，这使得很难绘制药物反应的遗传结构的完整图景。

　　研究人员利用从功能作图(FunMap)和进化博弈论的结合中衍生出来的功能图论（functional graph theory），解决药物遗传学研究中的挑战，为每位患者构建其特定的药物遗传网络图谱，并应用FunGraph作为一种通用工具来揭示药物反应潜在的调控机制的前景。

　　FunGraph克服了现有网络模型的局限性。重建了完全信息丰富的网络，这些网络捕获了上位性交互的所有基本特征。使用在每个SNP处进行基因分解的gLVODE（generalized Lotka-Volterra (LV) ordinary differential equation）系统来描述每个SNP是如何调节的，同时如何被基因群落中的其他SNPs调节。

　　为了验证新理论的生物学意义，研究人员应用模型分析了一组不同患者注射不同浓度的多巴酚丁胺的药物反应的数据，研究发现对于每个患者，可以辨别在一个基因座上的哪个基因对另一个基因座上位性的表达起促进或抑制作用，而不是将上位性作为一种遗传变异来衡量。这种个性化的网络预计将对个性化药物的设计产生直接的影响。从特定患者的遗传网络中，可以更精确地改变某些基因类型的活性，使药物疗效最大化。该模型的提出不但可以揭示生物系统和生命过程的运行机理，还能够针对复杂疾病以及个性化的治疗提供研究理论指导。

　　论文链接：https://www.sciencedirect.com/science/article/pii/S1359644623001241