癌细胞亚型分类模型有助肿瘤个性化治疗

  伍斯特理工学院(WPI) 的一个研究小组开发了一种新的统计模型，可使医生根据患者肿瘤的基因突变创建个性化的治疗方案。
  一名患者体内的肿瘤不是由一种类型的癌细胞组成的，事实上，导致癌症的基因突变早期也产生各种亚型的癌细胞。
  伍斯特理工学院研究团队开发了一种新的统计模型，这种模型使用高级算法分析一小份活检样本中的基因表达数据，来识别实体瘤中各种基因亚型的癌细胞。识别结果可以帮助找到更有效的癌症治疗方法，并指导今后的研究。
  Flaherty博士说：现在使用的许多肿瘤分类统计模型采用“动静极限”的方法，但这些方法是有缺陷的，换句话说，它们将肿瘤分类成一种主要的癌细胞亚型，但这可能会误导人。由于一种药物只对一种亚型的癌细胞有效，但却对另一种亚型的癌细胞不起作用。所以我们着手开发一种模型，这种模型可以更准确地预测肿瘤中各种癌细胞亚型的比例。”
  癌细胞之所以不受控制的增长，是由于基因突变使它们处于一种异常的生长方式，能逃避人体的自然防御系统。随着肿瘤细胞的繁殖和进化，形成集群不同的亚型。每个亚群可以通过它们的基因产物被特定识别。因此需要一种统计工具来处理大量数据，并创建医师可以使用的实时积累的相关信息。
  Flaherty博士说“因为临床实验室现在可以对病人癌细胞进行基因组测序，预后和治疗数据正成为一个关键问题，我们的实验室侧重于从大数据中获取可操作的信息，来帮医生和病人可以做出更好的决策。”
  Flaherty博士的团队开发了一个名为GLAD(以Gaussian， Laplace、Dirichlet成员的首字母命名)的新模型。他们建立了与两种亚型癌细胞基因表达模式相似的数据库，然后首次用GLAD模型对这个数据库进行测试，该模型正确的计算出了两种亚型癌细胞的比例。接下来，GLAD模型用基因表达数据准确地计算出样本中鼠肺细胞、脑细胞和肝细胞比例。最后，GLAD模型被应用于对202例胶质母细胞瘤(人类大脑肿瘤) 基因表达数据分析，胶质母细胞瘤被认为有四种亚型肿瘤细胞，GLAD模型能准确的预测出各亚型所占的比例。
  展望未来，Flaherty博士正在探索与乳腺癌临床医生合作，希望将GLAD模型应用到从病人不同时期标本中获得的基因表达数据中，研究化疗和治疗结果之间的关系。
  Flaherty博士说：“我们期待临床试验结果，希望未来几年医生使用该模型联合化疗来对病人实体瘤进行治疗。”（转化医学网360zhyx.com）