高通量技术的迅速发展和日益成熟的数据挖掘方法,它变得明显,临床诊断不再依赖于单个基因/ mRNA签名。情况下出现临床均匀可以在分子水平上,包括几个不同的子组。这样的子组患者不同的疾病亚型可能证明微分治疗反应或药物不良反应和不同的预测。

全世界每年因癌症死亡的人数超过960万。近几十年来,尽管小说治疗方法和改进癌症仍然是一个重大的公共卫生负担。每个癌症的特征是一组独特的分子病变恶性性质的推广。许多这样的分子变化是周期性和定义肿瘤亚型,暴露的治疗反应和预后差。因此,许多恶性肿瘤的分子分类用于临床实践和许多研究需要发现新的分子亚型和患者分层生物标志物。虽然不同的预后主要是讨论了癌症的背景下,许多良性疾病最近越来越多的报道。这些包括哮喘、心房纤颤、原发性高血压、2型糖尿病、非酒精脂肪肝,肠易激综合症,溃疡性结肠炎,风湿性关节炎,系统性红斑狼疮,阿尔茨海默氏症,以及许多其他疾病。增加研究旨在阐明疾病机制或确定新的生物标志物。最近,基因、外遗传性和转录组数据的患者已经可以通过公共数据库如癌症基因组图谱(TCGA)和基因表达综合(GEO)。这些数据集是伟大的资源在生物标志物的发现和验证提供更多机会。 Therefore, the development of novel methods for patient stratification and bioinformatics approaches aware of potential disease represents an important research direction.

这个特殊问题的目的是提高对癌症的预后和可能的分子机制的理解使用omics-based技术以及非肿瘤疾病的实验技术。最初的研究和评论文章是受欢迎的。

潜在的主题包括但不限于以下:

• 生物信息学算法和实验技术对癌症生物标志物筛选
• 遗传和表观遗传网络,导致癌症的发病机理,发展,和对治疗的反应
• 生物信息学算法和实验技术对小说发生疾病的生物标志物筛选
• 转化研究桥梁之间的差距我们增加知识的协会癌症或声带良性疾病生物标记和特征,和结果的患者在临床实践中