改善乳腺癌治疗的更好分类法

　　

生物通报道：最近，根据科学家开发出的一种新工具，可以将乳腺癌分类为十种不同的亚型。相关研究结果发表在2014年8月28日的《Genome Biology》杂志，有望改善这种疾病的治疗效果。

癌症的产生，是因为遗传变化致使正常细胞发展为肿瘤。随着我们对乳腺癌的了解增多，我们知道，这不是一种单一的疾病——引起不同类型癌症的基因突变是不一样的，这就是为什么肿瘤对治疗的反应有所差异，为什么它们会以不同的速度生长。目前，有两个关键的指标，临床医生用其来预测治疗疗效。

发现肿瘤遗传学的研究动态，并创建一种系统来诊断肿瘤类型，是癌症科学家们的一个主要目标。为此，英国癌症研究所和剑桥大学的研究人员，开发了IntClust系统，该系统利用基因组技术来创建一种分类系统，该分类系统具有足够的细节，能够更准确地指出患者得的是哪种类型的乳腺癌，从而确定哪种治疗方法将是最合适的。

为了检测这个系统，科学家们分析了他们开发系统所用的997份肿瘤样本，以及来自公共数据库的7544份样本，连同基因组和临床数据，包括来自The Cancer Genome Atlas的数据。他们使用IntClust系统和今天使用的两个主要系统：PAM50，其将癌症分成五种类型；和SCMGENE，其将癌症分成4种类型，对这些数据进行分类。

他们发现，至少在预测患者预后和治疗疗效方面，IntClust与现有的系统无异。但是这个系统只在3.1%具有较差存活率的女性当中，识别出一个以前没有注意到的子群，这些患者似乎对治疗具有抵抗性。识别这一患者组的基因组标签，就能够在早期标记这些高风险的癌症，获得这一组患者的基因组数据，就可能有助于研究新的方法，治疗这种类型的癌症。

目前，利用该系统对肿瘤进行分类，对于大多数临床医生还是昂贵的，并且，解释这些结果业需要许多临床设置达不到的训练。但是，这一系统的细节和精度，可能对乳腺癌研究人员具有广泛的用处，他们将能够调查之所以某类癌症对某些治疗方法反应较好的原因，以便寻找乳腺癌的临床标记，或发现其新的治疗靶点。

本文第一作者、英国癌症研究所的Raza Ali称：“我们开发了一种基于表达的方法，将乳腺肿瘤分类成IntClust亚型。我们的研究结果强调了这一方法在靶向治疗时代的潜力，为将肿瘤分为IntClust亚型的新一代临床试验，奠定了基础。”

（生物通：王英）

延伸阅读：LRIG1基因改变可增加乳腺癌复发和死亡风险

生物通推荐原文摘要：
Genome-driven integrated classification of breast cancer validated in over 7,500 samples
Abstract
Background: IntClust is a classification of breast cancer comprising ten subtypes based on molecular drivers identified through the integration of genomic and transcriptomic data from 1,000 breast tumors and validated in a further 1,000. We present a reliable method for subtyping breast tumors into the IntClust subtypes based on gene expression and demonstrate the clinical and biological validity of the IntClust classification.

Results: We developed a gene expression-based approach for classifying breast tumors into the ten IntClust subtypes by using the ensemble profile of the index discovery dataset. We evaluate this approach in 983 independent samples for which the combined copy-number and gene expression IntClust classification was available. Only 24 samples are discordantly classified. Next, we compile a consolidated external dataset composed of a further 7,544 breast tumors. We use our approach to classify all samples into the IntClust subtypes. All ten subtypes are observable in most studies at comparable frequencies. The IntClust subtypes are significantly associated with relapse-free survival and recapitulate patterns of survival observed previously. In studies of neo-adjuvant chemotherapy, IntClust reveals distinct patterns of chemosensitivity. Finally, patterns of expression of genomic drivers reported by TCGA are better explained by IntClust as compared to the PAM50 classifier.ConclusionsIntClust subtypes are reproducible in a large meta-analysis, show clinical validity and best capture variation in genomic drivers. IntClust is a driver-based breast cancer classification and is likely to become increasingly relevant as more targeted biological therapies become available.