大數據助力科學家闡明乳腺癌擴散的分子機制

如今科學家們能夠利用大量基因組數據來及早發現患者的疾病狀況，但同時這也能幫助研究人員更好地研究疾病發生的分子機制。近日，一項刊登在國際雜志Nature Communications上的研究報告中，來自密歇根州立大學的科學家們通過進行大數據分析，確定了一種更好的模型來對抗乳腺癌的擴散并能幫助測試有潛力的藥物。

實驗室當前所使用的方法通常會利用細胞系或在平板上培養細胞，來模擬患者機體中腫瘤的生長；擴散是最常見的癌癥相關死亡的原因，大約與90%的癌癥患者死亡直接相關，截至目前，很少有藥物能夠治療患者的癌癥轉移，而且研究人員也并不清楚在藥物開發的過程中到底哪個環節出錯了。

研究者Bin Chen說道，細胞系和腫瘤樣本之間的差異或許就提出了很多關鍵的問題，比如細胞系能在多大程度上捕獲腫瘤的構成；為了回答這個問題，研究人員對來自多個基因組數據庫中的數據進行了大型整合分析，這些數據庫包括人類癌癥基因組圖譜計劃、癌癥細胞系百科全書、基因表達綜合和基因型及表型數據庫等。利用這些基因組數據發現新型癌癥療法是研究人員最終的目標，在研究人員將大量成本投入到實驗之前，我們就需要評估早期的研究模型，并基于基因組特征選擇最合適的藥物檢測手段。

利用這些數據，研究者發現，在實驗室中培養的乳腺癌細胞系和實際的惡性轉移性乳腺癌腫瘤樣本之間或許存在著實質性的區別，尤其是，在幾乎所有轉移性乳腺癌研究中所使用的癌細胞系MDA-MB-231與患者機體腫瘤樣本中的基因組幾乎并沒有相似之處。研究者Chen說道，我無法相信這些結果，所有證據都表明其二者之間存在著巨大差異，但從另一方面來講，我們能夠鑒別出與腫瘤非常相似的其它細胞系，并且可以與其它標準一起考慮作為這項研究**的選擇。

類器官就很有可能模擬患者的樣本，研究者新開發的技術能利用3-D組織培養物并且捕獲到腫瘤形成過程和生長過程中更多的復雜特性；類器官能夠保留原始腫瘤的結構和遺傳組成特性，在基因表達水平下其就能夠做到這一點，甚至比癌細胞更具優勢；然而，類器官和細胞系或許并不能充分地模擬機體不同位點的腫瘤周圍的實時分子影像。

所有這些因素或能幫助研究人員對相關研究結果進行解釋，并幫助科學家們開發出更為復雜的研究模型，本文研究中研究人員成功利用公開數據來研究癌癥，在早期研究中研究人員取得了很多進展，這或將幫助他們后期開發出有效治療乳腺癌患者的新型治療手段。