计算工具整合转录组数据用于改善癌症诊断和治疗

2024-07-24 来源: drugdu 106

癌症是全球诊断最常见的癌症,表现为各种亚型,需要精确识别才能进行有效的个性化治疗。传统上,癌症亚型是通过组织学染色(免疫组织化学)进行的,包括识别将肿瘤分类为不同亚型的特定标志物。最近,高通量转录组分析通过分析癌症细胞中的基因活性,改变了识别癌症亚型的方式,这些信使RNA与基因序列相对应,并被核糖体用于合成蛋白质。
转录组学分析利用RNA测序(RNAseq),这是一种快速发展的分子生物学技术,可以有效地对RNA链进行测序。随着RNA测序变得更加经济实惠,它有可能进行常规临床整合,以帮助诊断和治疗决策。然而,其应用目前受到同时处理大批量样品的要求以及在不同平台上比较样品的困难的限制。现在,科学家们开发了一种计算工具,可以整理各种数据库中的乳腺癌症转录组数据,通过准确预测分子亚型和治疗反应来提高肿瘤学的准确性。
EPFL(瑞士洛桑)的科学家开发的名为EMBER的计算工具整合了超过11000个癌症转录组,可以在单个样本的基础上预测癌症亚型,并捕获基本的生物途径,从而改进治疗反应的预测。EMBER使用了一个统计模型,该模型融合了来自TCGA和METABRIC等主要数据集的RNA-seq和微阵列数据,重点关注早期癌症患者。数据被归一化到一个通用的尺度,选择1000个最可变的基因,并使用44个稳定的基因进行归一化,以保持重要的基因表达特征。
EMBER通过独立的患者队列进行验证,并在临床试验数据(如POETIC试验)上进行测试,以确定潜在的治疗抵抗机制,如雄激素受体信号增加和TGFβ信号减少。它准确地确定了癌症的五种分子亚型和关键途径,包括雌激素受体信号传导和细胞增殖。一个值得注意的发现是,EMBER的雌激素受体信号评分超过了临床上使用的基于免疫组织化学的ER指数,表明EMBER在预测内分泌治疗反应方面具有更高的准确性。通过为癌症转录组数据提供一个整合平台,EMBER有助于加深对分子亚型和治疗反应的理解,有可能为ER+癌症乳腺癌患者带来更具针对性的治疗和改善的结果。恩伯还提出了一种可行的方法,将RNA测序整合到标准诊断程序中,促进更全面和更具成本效益的癌症诊断。该方法不仅推进了精确肿瘤学的发展,还为进一步的研究和临床应用建立了坚实的框架。

来源:
https://www.labmedica.com/pathology/articles/294801896/computational-tool-integrates-transcriptomic-data-for-improved-breast-cancer-diagnosis-and-treatment.html

责编: editor
分享到: