The limited availability of suitable animal models and cell lines often impedes experimental cancer research. Wet-laboratory experiments are also time-consuming and cost-intensive. In this review, we present an in silico modeling strategy, namely, Boolean network (BN) models, and demonstrate how it could be applied to streamline experimental design and to focus the effort of experimental read-outs. Boolean network models allow for the dynamic analysis of large molecular signaling pathways and their crosstalks. After establishing and validating a specific tumor model, mechanistic insights into the tumor cell behavior can be gained by studying the trajectories of different tumor phenotypes. Also, tumor driver and drug target screenings can be performed. These automatic screenings can help to identify new intervention targets and putative biomarkers for tumor evolution, hence guiding new wet-laboratory experiments. The goal of this round-up is to demonstrate how to establish, validate, and use BN modeling and its crosstalks in classic wet-laboratory research using a chronic lymphocytic leukemia (CLL) BN model.
Experimentelle Tumorforschung wird häufig durch mangelnde Verfügbarkeit von geeigneten In-vitro- und In-vivo-Modellsystemen sowie eingeschränkte finanzielle und zeitliche Ressourcen limitiert. Im Folgenden wird das Prinzip der Booleschen Netzwerke vorgestellt. Hierbei werden große regulatorische Netzwerke in silico modelliert und simuliert. Nach der Etablierung eines neuen Modells wird dieses zunächst anhand publizierter experimenteller Daten validiert. Anschließend können auf der Grundlage des Modells neue mechanistische Zusammenhänge, Schlüsselproteine für die Tumorevolution oder therapeutische Zielstrukturen aus dem Pool der modellierten Gene identifiziert werden. Am Beispiel eines neuen Tumormodells für die chronische lymphatische Leukämie (CLL) wird demonstriert, wie ein Boolesches Netzwerk etabliert und validiert wird und welche Anwendungsmöglichkeiten und Berührungspunkte zur klassischen experimentellen Tumorforschung bestehe.
Keywords: Drug target screening; Dynamic modeling; Large regulatory networks; Systems biology; Tumor driver screening.
© 2024. The Author(s), under exclusive licence to Springer Medizin Verlag GmbH, ein Teil von Springer Nature.