Nat Commun：大数据助力科学家阐明乳腺癌扩散的分子机制
如今科学家们能够利用大量基因组数据来及早发现患者的疾病状况，但同时这也能帮助研究人员更好地研究疾病发生的分子机制。近日，一项刊登在国际杂志Nature Communications上的研究报告中，来自密歇根州立大学的科学家们通过进行大数据分析，确定了一种更好的模型来对抗乳腺癌的扩散并能帮助测试有潜力的药物。
实验室当前所使用的方法通常会利用细胞系或在平板上培养细胞，来模拟患者机体中肿瘤的生长；扩散是最常见的癌症相关死亡的原因，大约与90%的癌症患者死亡直接相关，截至目前，很少有药物能够治疗患者的癌症转移，而且研究人员也并不清楚在药物开发的过程中到底哪个环节出错了。
研究者Bin Chen说道，细胞系和肿瘤样本之间的差异或许就提出了很多关键的问题，比如细胞系能在多大程度上捕获肿瘤的构成；为了回答这个问题，研究人员对来自多个基因组数据库中的数据进行了大型整合分析，这些数据库包括人类癌症基因组图谱计划、癌症细胞系百科全书、基因表达综合和基因型及表型数据库等。利用这些基因组数据发现新型癌症疗法是研究人员最终的目标，在研究人员将大量成本投入到实验之前，我们就需要评估早期的研究模型，并基于基因组特征选择最合适的药物检测手段。
利用这些数据，研究者发现，在实验室中培养的乳腺癌细胞系和实际的恶性转移性乳腺癌肿瘤样本之间或许存在着实质性的区别，尤其是，在几乎所有转移性乳腺癌研究中所使用的癌细胞系MDA-MB-231与患者机体肿瘤样本中的基因组几乎并没有相似之处。研究者Chen说道，我无法相信这些结果，所有证据都表明其二者之间存在着巨大差异，但从另一方面来讲，我们能够鉴别出与肿瘤非常相似的其它细胞系，并且可以与其它标准一起考虑作为这项研究最好的选择。
类器官就很有可能模拟患者的样本，研究者新开发的技术能利用3-D组织培养物并且捕获到肿瘤形成过程和生长过程中更多的复杂特性；类器官能够保留原始肿瘤的结构和遗传组成特性，在基因表达水平下其就能够做到这一点，甚至比癌细胞更具优势；然而，类器官和细胞系或许并不能充分地模拟机体不同位点的肿瘤周围的实时分子影像。
所有这些因素或能帮助研究人员对相关研究结果进行解释，并帮助科学家们开发出更为复杂的研究模型，本文研究中研究人员成功利用公开数据来研究癌症，在早期研究中研究人员取得了很多进展，这或将帮助他们后期开发出有效治疗乳腺癌患者的新型治疗手段。
-
项目成果
