Key points are not available for this paper at this time.
Le cancer gastrique (CG) est l'un des cancers les plus courants dans le monde. La plupart des patients sont diagnostiqués à un stade avancé de la maladie, et les avancées actuelles dans les médicaments anticancéreux sont encore insuffisantes. Par conséquent, il est crucial de trouver des biomarqueurs pertinents avec une prédiction précise des pronostics et une bonne précision prédictive pour sélectionner les patients appropriés atteints de CG. Les récentes avancées dans les technologies de profilage moléculaire, y compris la génomique, l'épigénomique, la transcriptomique, la protéomique et la métabolomique, ont permis d'aborder la biologie du CG à plusieurs niveaux des réseaux d'interaction omique. Des analyses biologiques systémiques, telles que l'inférence computationnelle de « big data » et des approches bioinformatiques avancées, émergent pour identifier les biomarqueurs moléculaires clés du CG, ce qui bénéficierait aux thérapies ciblées. Cette revue résume l'état actuel de la manière dont l'analyse bioinformatique contribue à la découverte de biomarqueurs pour le pronostic et la prédiction de l'efficacité thérapeutique dans le CG, sur la base d'une recherche dans la littérature médicale. Nous mettons en avant des ensembles de données multi-omiques individuels émergents, tels que la génomique, l'épigénomique, la transcriptomique, la protéomique et la métabolomique, pour valider les marqueurs putatifs. Enfin, nous discutons des défis actuels et des perspectives futures pour intégrer l'analyse multi-omique afin d'améliorer la mise en œuvre des biomarqueurs. L'intégration pratique de l'analyse bioinformatique et des ensembles de données multi-omiques sous une analyse computationnelle complémentaire a un grand impact sur la recherche de biomarqueurs prédictifs et pronostiques et pourrait conduire à une importante révolution dans le traitement.
Matsuoka et al. (Mar), ont étudié cette question.