推荐活动

肿瘤个体化医疗第一步: 从分子水平对肿瘤分型

首页 » 研究 » 肿瘤 1970-01-01 转化医学网 赞(2)
分享: 
导读
肿瘤几乎从来就没有共享过完全相同的遗传突变,这一事实使得人们为更好地将癌症类型分门别类、以及开发出更有效的靶向性治疗所付诸的科学努力面临困难重重。 鉴定癌症基因分型 在发表于9月15日《自然方法》(Nature Methods)杂志上的这篇新研究论文中,来自加州大学圣地亚哥分校研究人员提出了一种称作为基于网络分层(network-bas...


肿瘤几乎从来就没有共享过完全相同的遗传突变,这一事实使得人们为更好地将癌症类型分门别类、以及开发出更有效的靶向性治疗所付诸的科学努力面临困难重重。

鉴定癌症基因分型

在发表于9月15日《自然方法》(Nature Methods)杂志上的这篇新研究论文中,来自加州大学圣地亚哥分校研究人员提出了一种称作为基于网络分层(network-based stratification, NBS)的新方法,这种方法不是根据个体患者的异常突变,而是根据这些突变如何影响共享的遗传网络或系统来鉴别癌症亚型。

课题负责人、加州大学圣地亚哥医学院遗传学部门主管Trey Ideker 博士说:“分型是朝着个体化医疗目标迈出的最基本的一步。根据患者的数据,将患者归类到与治疗相关的亚型。例如,一种癌症亚型已知对药物A反应很好,对药物B则反应不好。不进行分型,每位患者看起来当然都是一样的,你不会想到如何采用不同的方法来治疗他们。

近年来科学知识和技术的进展使得测序个体基因组变得更为容易且廉价,尤其是在癌症治疗中。而从根本上来说癌症就是一种基因病。

但基因“非常的多样化,”Ideker说。突变基因组合在一起引起诸如癌症等疾病,这种组合受到其他的因素影响。每位患者的癌症在遗传上都是独特的,其可以影响着临床治疗的功效和结果。

“当你在基因水平上查看患者数据时,每个人看起来都是不同的。但是当你查看受到影响的生物学网络和系统时,分型就显现出来。没有基因在完全相同的地方发生突变,但是一些突变会出现在相同的遗传信号通路中,”Ideker说。

癌症基因组图谱具临床价值

癌症基因组图谱(Cancer Genome Atlas)是由美国国立卫生研究所提供资金、旨在收集和编录成千上万癌症患者基因组的一项正在进行中的项目。在由癌症基因组图谱编译的肺癌、子宫癌和卵巢癌患者数据中,科学家们特别查看了存在于肿瘤而不存在于健康组织中的体细胞突变。

Ideker说,这种NBS方法具有直接的临床价值。对癌症患者进行基因组测序正快速成为标准诊断的一个组成部分。临床医生可以利用NBS来更好地匹配治疗与癌症亚型。通过记录癌症结果,并将这些结果集中输入到数据库中,他们可以进一步完善及改进癌症治疗,为患者定制出个体化治疗。 (转化医学网360zhyx.com)
原文链接:
Network-based stratification of tumor mutations

Many forms of cancer have multiple subtypes with different causes and clinical outcomes. Somatic tumor genome sequences provide a rich new source of data for uncovering these subtypes but have proven difficult to compare, as two tumors rarely share the same mutations. Here we introduce network-based stratification (NBS), a method to integrate somatic tumor genomes with gene networks. This approach allows for stratification of cancer into informative subtypes by clustering together patients with mutations in similar network regions. We demonstrate NBS in ovarian, uterine and lung cancer cohorts from The Cancer Genome Atlas. For each tissue, NBS identifies subtypes that are predictive of clinical outcomes such as patient survival, response to therapy or tumor histology. We identify network regions characteristic of each subtype and show how mutation-derived subtypes can be used to train an mRNA expression signature, which provides similar information in the absence of DNA sequence.

来源:ebiotrade
评论:
评 论
共有 0 条评论

    还没有人评论,赶快抢个沙发

相关阅读