基于癌症临床测序依据变异决定治疗方案将成为可能

临床测序（clinical sequencc）是为了探索各个癌症患者的最佳治疗方案而开展的。国际上出现了患者癌症基因组的解析服务。为了使基因组测序数据有效地应用到临床治疗上，日本也开始了利用患者样本的研究工作。     

利用人工智能预测癌症的易感性、复发性和生存期

癌症具有较高的发病率和致死率,对人类健康具有重大威胁。癌症预后分析可以有效避免过度治疗及医疗资源的浪费,为医务人员及家属进行医疗决策提供科学依据,已成为癌症研究的必要条件。随着近年来人工智能技术的迅速发展,对癌症患者的预后情况进行自动化分析成为可能。此外,随着医疗信息化的发展,智慧医疗的理念受到广泛关注。癌症患者作为智慧医疗的重要组成部分,对其进行有效的智能预后分析十分必要。本文综述现有基于机器学习的癌症预后方法。首先,对机器学习与癌症预后进行概述,介绍癌症预后及相关的机器学习方法,分析机器学习在癌症预后中的应用;然后,对基于机器学习的癌症预后方法进行归纳,包括癌症易感性预测、癌症复发性预测、癌症生存期预测,梳理了它们的研究现状、涉及到的癌症类型与数据集、用到的机器学习方法及预后性能、特点、优势与不足;最后,对癌症预后方法进行总结与展望。     

癌症”自愈”之谜

所谓癌症“自愈”（自动康复）,对癌症患来说,自然是最大的安慰和鼓舞了,也打破了“癌症”的绝症之称,“自愈”现象其实是一个复杂的生物学问题。所谓“自愈”,即指通过患机体的“卫士们”同癌细胞及其诱因进行一番激烈的斗争而获得胜利。它们不仅存在于免疫系统细胞内,而且在非免疫系统中的肿瘤细胞和部分正常上皮细胞内也有它们的存在,它们的联合激活更有利于战胜癌症。美国癌症协会曾发布一项调研结果,称在美国约有10％癌症患的病症会自然消退,尔后极少复发。美国一家医院的临床统计称,已有1000例以上的癌症患自行康复,这确实令人称奇。     

日本七鳃鳗(Lampetra japonica)肝脏ESTs 分析与比较转录组研究

以日本七鳃鳗(Lampetra japonica)肝脏为材料构建cDNA文库, 在文库中随机挑选克隆子进行测序共得到10077条有效ESTs(expressed sequence tags)序列. ESTs序列分析显示, 8515条ESTs拼成648条片段重叠群, 共得到2210条转录本, 其中47.06%的转录本预测为全长序列; 利用BLAST程序在GenBank数据库中进行同源性搜索发现2053条转录本有同源序列匹配, 占总转录本的92.9%. 更进一步对这些基因产物进行Gene Ontology注释, 结果发现, 在日本七鳃鳗肝脏中与有颌类免疫、凝血和代谢相关的基因大量表达, 并预测了8个新基因. 通过对日本七鳃鳗与底鳉(Fundulus heteroclitus)、鼠(Mus musculus)、牛(Bos taurus)和人(Homo sapiens)肝脏转录组的比较分析, 发现日本七鳃鳗肝脏中比其他物种优势表达的是甲壳质酶和多糖代谢等相关的基因, 这些基因可能在日本七鳃鳗免疫中发挥重要作用. 此外, 也利用TargetScan软件对日本七鳃鳗肝脏转录组中3′UTR区进行microRNA靶标识别, 结果发现了与人类癌症基因调控同源的microRNA靶标, 这为研究人类癌症提供了有益的线索. 上述结果将为七鳃鳗功能基因和蛋白组学的研究以及脊椎动物的基因组进化提供重要的理论基础.     

日本七鳃鳗(Lampetra japonica)肝脏ESTs 分析与比较转录组研究

以日本七鳃鳗(Lampetra japonica)肝脏为材料构建cDNA文库, 在文库中随机挑选克隆子进行测序共得到10077条有效ESTs(expressed sequence tags)序列. ESTs序列分析显示, 8515条ESTs拼成648条片段重叠群, 共得到2210条转录本, 其中47.06%的转录本预测为全长序列; 利用BLAST程序在GenBank数据库中进行同源性搜索发现2053条转录本有同源序列匹配, 占总转录本的92.9%. 更进一步对这些基因产物进行Gene Ontology注释, 结果发现, 在日本七鳃鳗肝脏中与有颌类免疫、凝血和代谢相关的基因大量表达, 并预测了8个新基因. 通过对日本七鳃鳗与底鳉(Fundulus heteroclitus)、鼠(Mus musculus)、牛(Bos taurus)和人(Homo sapiens)肝脏转录组的比较分析, 发现日本七鳃鳗肝脏中比其他物种优势表达的是甲壳质酶和多糖代谢等相关的基因, 这些基因可能在日本七鳃鳗免疫中发挥重要作用. 此外, 也利用TargetScan软件对日本七鳃鳗肝脏转录组中3′UTR区进行microRNA靶标识别, 结果发现了与人类癌症基因调控同源的microRNA靶标, 这为研究人类癌症提供了有益的线索. 上述结果将为七鳃鳗功能基因和蛋白组学的研究以及脊椎动物的基因组进化提供重要的理论基础.     

利用组学数据建立针对四种女性癌症的基于机器学习方法的生存预测模型

乳腺癌、宫颈鳞状细胞癌、子宫内膜癌、卵巢癌是女性常见的癌症.由于癌症的恶性发展并缺乏有效的早期诊疗手段,这些癌症已成为当今世界女性患者的头号杀手.为了探索高通量组学数据能否促进癌症患者的预后,本研究利用美国癌症基因组图谱项目中四种女性癌症的1861个样本的临床数据和多维组学数据(包括DNA甲基化、mRNA表达、miRNA表达和基于芯片的蛋白表达组学数据),建立了Cox比例风险模型和随机生存森林模型用来回顾性地预测患者的生存率.本研究发现,在宫颈鳞状细胞癌中,通过整合临床与DNA甲基化及miRNA表达组学数据建立的模型,生存预测能力显著高于仅使用临床数据的模型(一致性指数c-index中位数提高了8.73%～15.03%).本研究虽然验证了有些组学数据对特定癌症生存模型的预测能力有提升作用,但也存在着相对于临床数据,组学数据对模型的预测能力无显著提升的情况.这些结果为系统地开展基于癌症基因组学的生存预测研究及提升临床生存分析的预测准确性提供了有用经验.     

炎性单核细胞促进乳腺癌转移的分子机制

癌症患者的最大威胁来自肿瘤的转移,若能控制肿瘤的转移,癌症对人类的最大威胁就会消除,也就是癌症可作为一种慢性疾病来治疗。如何控制癌症的转移?这成为癌症研究和治疗的中心问题。以前对肿瘤的转移研究主要集中在肿瘤细胞本身,现在看来这是不够的,目前已经把研究的目光转移到肿瘤的生态环境或微环境。人们已经知道肿瘤的发生和生长是由多种细胞、因子和外界因素协同作用而产生的,它生存在一个非常复杂的生态坏境(即     

癌症研究的生物信息学资源

随着癌症研究的发展,生物信息学成为癌症研究的一个非常重要的方法和手段,本文从微阵列芯片数据管理和分析软件、微阵列数据仓库、蛋白质功能预测工具和蛋白质结构预测工具等四个方面介绍癌症研究的生物信息学资源信息,以给相关研究提供帮助.     

全球专家呼吁提高发展中国家癌症患者的治疗机会

在目前中低收入国家中癌症发病率、疾病和死亡大大超过防治疾病做出的努力情况下,由领先的癌症专家组成的国际组织“发展中国家癌症治疗非正式工作组（Can Treat International）”今天发布了一份全面的蓝图,以增加在发展中国家和新兴经济体中挽救癌症患者生命的机会。     

基因标签区分癌症样本的初步分析

从基因表达水平的角度对癌症样本进行分子分型,其较高的临床结果预测能力已经获得越来越广泛的关注。研究发现,某些基因集合(称为基因标签)的表达水平可以显著区分不同癌症样本之间的亚型差异并与癌症病人的临床结果显著关联。使用主成分分析法能够帮助我们找出这类表达谱与临床结果密切相关的基因标签。本研究通过主成分分析法从MSig BD和GeneSigDB数据库包含的基因集中找出可以解释不同癌症样本区别的基因标签并进一步评价了这些基因标签对癌症病人生存结果的预测能力。通过对10种癌症分别进行检验,我们找到了数量可观的可以区分癌症样本且相应的临床结果具有显著差异的基因标签。基于基因表达谱、临床数据和主成分分析法,基因标签能够对具有不同临床结果的癌症样本进行亚类的区分。     

日研制出塑料切片30分钟诊断出癌症

日本一家公司日前研制出一种塑料切片,能够在30分钟内诊断出包括癌症在内的多种疾病,而大小仅有名片一半。     

日本研究发现能遏制癌细胞增殖的基因

日本研究人员日前宣布,他们发现了能够遏制癌细胞增殖时必需的端粒酶发挥作用的基因。这一成果有助开发新的癌症诊疗方法。     

患者自我管理在糖尿病治疗中的价值

糖尿病(Diabetes Mellitus,DM)是一种遍布世界各地,分布广、常见的、慢性内分泌代谢病,与冠心病、癌症被称为人类生命的三大杀手。其致残、致死率高。实践证明DM患者自我管理能力提高对疾病的控制具有非常重要的作用。     

《分子细胞》：人体内某特殊蛋白可促癌症恶化

日本群马大学研究人员日前发表论文说,人体内一种特殊蛋白质能促使癌症恶化,抑制这种蛋白质发挥作用,将成为今后抗癌药物新的研究方向。     

基于PCA和神经网络的多形性胶质母细胞瘤驱动基因预测模型

目的:通过对癌症基因表达数据的分析,预测多形性胶质母细胞瘤的驱动基因集。方法:基于主成分分析方法和神经网络,提出一种用于预测多形性胶质母细胞瘤驱动基因的系统生物学模型。首先对实验样本的原始表达谱数据进行预清洗,过滤掉无信息或表达不符合实验要求的表达数据,并对肿瘤表达谱数据进行标准化处理;然后对基因进行划分,相似突变率的基因将被划分到同一块中;最后通过学习神经网络,构建癌症相关基因的调控网络,得出驱动基因的预测集。结果:本研究应用上述模型,对多形性胶质母细胞瘤(glioblastoma multiforme,GBM)驱动基因进行预测。已发表的大量实验结果表明,我们预测出的大部分驱动基因在GBM中起重要作用。结论:我们提出一种对GBM表达谱数据分析的新方法,能够高精度地预测出该疾病的驱动基因,该模型同样能够较好地用于分析其它疾病的表达谱数据。     

分子靶向新药种类繁多多靶标型的药物也开始上市

在日本，女性癌症患者中人数最多的是乳腺癌患者。预计今后的市场规模还将进一步扩大，许多候选新药正在开发中。其中近几年增长较快的是抗体医药及低分子化合物的分子靶向药物。尤其是最近以多个靶位为目标的多靶标型药物开始增多。     

增强子调控癌症发生发展的机制研究

增强子是一段具有转录调控功能的DNA序列,主要通过顺式调控方式发挥作用。由于增强子及其调控基因在位置和距离上的不确定性,大大增加了研究增强子作用机制的复杂性和困难性。越来越多的证据表明,增强子与癌症等疾病的发生发展密切相关,因此开展癌症相关增强子的研究,将有助于全面解析癌症发病机制,并推动抗肿瘤药物的高效研发,具有重要的社会意义和经济价值。目前对于增强子的鉴定不充分,增强子在癌症和其他疾病中的发生发展调控机制尚未得到完整的解析。本文主要对增强子和超级增强子及其特性进行介绍,并在全基因组水平上对增强子的预测和鉴定进行了描述,最后总结了近年来增强子在癌症等疾病发生过程中所发挥的调控作用,从而为未来解析增强子调控机制以及癌症的诊断和治疗提供参考。     

《科学报告》：科学家发现攻击癌细胞的新方法

化疗的副作用令许多癌症患者很痛苦。为解决这一难题。日本东北大学的研究人员开发出了识别并专门攻击癌细胞的新方法。某些化疗药物能够识别癌细胞的蛋白进而对其攻击。不过,由于一些正常细胞也含有同样的蛋白。所以引起副作用的可能性很高。比如在肺癌、食道癌、恶性脑肿瘤和卵巢癌患者体内,能促进癌细胞转移的平足蛋白都会高度表达,它们是化疗药物的良好标靶。但是。平足蛋白在正常的淋巴管上皮细胞、肺泡上皮细胞、肾上皮细胞等细胞中也会高度表达。因此以平足蛋白为标靶的药物开发难以取得进展。     

一种预测个体肿瘤的抗癌药物反应分类计算模型及其应用

目的 不同患者对同一抗癌药物的反应可能不同,了解患者之间对抗癌药物的反应差异对癌症精准医疗具有重大参考价值。方法 高通量测序数据为构建抗癌药物反应分类预测模型提供了强大的数据支撑。针对两大经典数据集癌症细胞百科全书(CCLE)和癌症药物敏感性基因组学数据集(GDSC),本文提出了基于最大相关最小冗余(mRMR)算法和支持向量机(SVM)的计算模型mRMR-SVM。利用基因表达数据,通过方差排序和mRMR算法提取特征基因,借助SVM实现抗癌药物对细胞系的“敏感-抑制”二分类预测。结果 对于CCLE中的22种药物,mRMR-SVM的平均准确率为0.904;对于GDSC中的11种药物,平均准确率为0.851。结论 mRMR-SVM不仅在预测性能方面优于传统的支持向量机、随机森林、深度反应森林、深度神经网络和细胞系-药物复杂网络模型,而且具有良好的泛化能力,对于三类特定组织的抗癌药物反应分类预测也取得了令人满意的结果。此外,mRMR-SVM可以识别与癌症发生发展密切相关的生物标志物。     

微生物防治癌症研究

日本信州大学和东京药物大学研究人员利用转基因技术开发一种双歧杆菌(Bifidobacterium)其生命活动能断切癌细胞的营养供应,进而抑制肿瘤组织的生长,这项技术将可用于治疗癌症。双歧杆菌是人体肠道中的常见细菌,易在缺氧环境中生存,而乳房和胸部癌症组织的内部就属于缺氧状态,