在研究细胞干性分化一般更多采用表观遗传学的策略作为研究切入点，利用表观遗传组学产生的大数据分析基因动态调节过程。对于肿瘤细胞的起源问题或发源发展角度，可以考虑采用表观遗传学角度对肿瘤过程的样本利用DNA甲基化测序获取基因受调控的动态调控信号事件，分析背后的调控规律。同时，将表观组数据与数据库中其他实验室释放的肿瘤表观组和干细胞表观组数据进行对比，横向比较，并在表观层面构建进化树，追溯肿瘤的发生起源。

--------------------------------------------------------------------------------------------------------------------------------

肿瘤基因组测序的诊断价值以及遗传变异的作用

2001年人类基因组测序完成；测出人类基因组序列读出生命天书只是我们认识自己的第一步，更要紧的是读懂“天书”，从而开展疾病相关的基因组研究。因为癌症正加速向更多人逼近。 测序技术的进步使得科学家可以利用全基因组测序方法检测肿瘤及其各种肿瘤之间的差异，肿瘤患者DNA突变和表观遗传调控。有关肿瘤基因组的标志性国际项目 “国际癌症基因组联合计划”正是继国际人类基因组计划后人类基因研究的新里程碑。随着研究样本的聚少成多和肿瘤类型分型的多样化和分型精细化提高，肿瘤基因组测序数据已经成为“生物医学大数据与分析”最活跃的应用领域之一。

肿瘤基因组大数据与分析应用就是要在测序成本大幅下降的同时，要加强对基因组数据的存储和深度分析研究；挖掘肿瘤基因组特征，寻求治疗过程的个性化处置方案，提高医学分子诊断与治疗用药的效能。

运用全基因组测序可以解释个体患者相关突变，配合肿瘤群体的大人群大数据海量信息的汇总与整合分析，让肿瘤基因组测序识别到的体细胞DNA突变更好应用与临床，服务于临床。

 

肿瘤药物基因组学与用药指导研究

在肿瘤细胞内发现的体细胞突变以及在患者体内发现的生殖系变异都可以通过大数据分析筛选出关键位点，这些位点有助于药物个性化靶点的设计，用药指导；有些靶向药物可以对特定基因型形成不同预后治疗效果。这些突变通常被认为是肿瘤标志物（cancer biomarker），可以看做是广义的预后预测分子标志物。利用有效的经过一定人群数目和基因组数据分析获取的标志物可以预测疾病的病程和发展，复发和转移趋势，以及药物疗效。生物大数据与分析将重点整合肿瘤基因组与药物基因组学的分析技术，实现利用基因组实现个性化医疗诊断与治疗的临床应用。

 

肿瘤基因组的研究与临床应用场景主要体现在：

肿瘤的分类分型，肿瘤复发转移与治疗预后反应评价，药物抵抗机制研究，肿瘤克隆性进化与起源研究，早期诊断，肿瘤分子水平监控，药物靶点预测，以及其他机制性研究。BioGenius针对肿瘤基因组目前具备多领域交叉学科大数据分析技术与能力。