项目名称: MNU诱导P53+/-小鼠模型中T细胞淋巴瘤早期发生关键基因筛查

项目编号: No.81502396

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 医药、卫生

项目作者: 吴曦

作者单位: 中国食品药品检定研究院

项目金额: 18万元

中文摘要: T细胞淋巴瘤是一种恶性血液系统肿瘤,占每年确诊淋巴瘤的15%-25%,目前也缺乏对其特异性治疗方案,治疗所致副作用强而病人预后较差。临床样本的稀缺性以及异质性限制了对其机制的研究。因此,寻找T细胞淋巴瘤早期发生的关键基因,有利于为进一步深入研究T细胞淋巴瘤发生机制,寻找特异性药物靶点提供基础。本研究拟使用N-甲基亚硝基脲(MNU)诱导p53+/-小鼠建立T细胞淋巴瘤模型,通过转录组测序,得到T细胞淋巴瘤发生早期出现改变的基因及通路,通过体外进行多角度筛选验证,以及构建转基因及基因敲除小鼠模型以确认其生理功能,并最终应用于临床病人样本的筛查。找到新的T细胞淋巴瘤发生的关键基因,加深对于T细胞淋巴瘤发生机制的理解,为未来T细胞淋巴瘤的早期诊断,以及确定新的药物靶点提供基础。

中文关键词: T淋巴瘤细胞;遗传修饰动物模型;转录组测序;P53+/-小鼠模型

英文摘要: T cell lymphoma is aggressive hematologic tumor which accounts for 15%-25% of the newly diagnosed cases each year. Due to a lack of tumor-specific therapy, the intensive chemotherapy causes significant side effect and the outcome of T cell lymphoma patients remains poor. The scarcity and genetic heterozygosity retards the elucidation of mechanisms. Identify key factors in T cell lymphoma development will provide foundation for further mechanism studies as well as searching for molecular drug targets. In present study, we propose a program using MNU induced p53 heterozygous knockout mice to generate T cell lymphoma mouse model. Transcriptome sequencing is generated to identify changes of gene expression level and pathways during T cell lymphoma development. These genes are further verified in vitro and in vivo by generating transgenic and gene knockout mouse models to prove its role in T cell lymphoma development. The genes are then screened in clinical samples. New genes crucial for T cell lymphoma might be found in present study to improve the understanding of mechanism and provide powerful tool of early diagnosis and tumour-specific therapy.

英文关键词: T cell lymphoma;genetic modified animal model;transcriptome sequencing;P53+/- mouse model

成为VIP会员查看完整内容
0

相关内容

Science|深度学习对抗原序列的通用编码指导免疫治疗
专知会员服务
15+阅读 · 2022年5月22日
人工智能技术在口腔正畸诊疗中的应用研究进展
专知会员服务
13+阅读 · 2022年5月1日
【AI与电力】电动汽车发展与城市电网适应性研究
专知会员服务
16+阅读 · 2022年4月25日
流行病数据可视分析综述
专知会员服务
39+阅读 · 2022年4月4日
AI药物研发发展研究报告(附报告)
专知会员服务
89+阅读 · 2022年2月11日
【学科交叉】抗生素发现的深度学习方法
专知会员服务
23+阅读 · 2020年2月23日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年5月19日
Anomalous Instance Detection in Deep Learning: A Survey
Arxiv
16+阅读 · 2018年2月7日
小贴士
相关主题
相关VIP内容
Science|深度学习对抗原序列的通用编码指导免疫治疗
专知会员服务
15+阅读 · 2022年5月22日
人工智能技术在口腔正畸诊疗中的应用研究进展
专知会员服务
13+阅读 · 2022年5月1日
【AI与电力】电动汽车发展与城市电网适应性研究
专知会员服务
16+阅读 · 2022年4月25日
流行病数据可视分析综述
专知会员服务
39+阅读 · 2022年4月4日
AI药物研发发展研究报告(附报告)
专知会员服务
89+阅读 · 2022年2月11日
【学科交叉】抗生素发现的深度学习方法
专知会员服务
23+阅读 · 2020年2月23日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员