Nature Communications：大数据分析助跑抗癌新药发现

加州大学旧金山研究所（UCSF）的科学家开发了一种计算方法，可以系统地探测大量开源数据，从中找到药物使用新方法，比如发现某个成药的另一种用途。

　　

生物通报道：这种方法可使生物学家绕过使用生物模型的常规实验，转而使用计算开放数据， 将FDA批准药物和已知的化合物与疾病分子指纹匹配起来。
 
研究人员预测，发现药物和疾病之间的特异性联系可以有效减少副作用、克服耐药性、更清楚地揭示药物对疾病的工作原理。
 
“有一天，医生可以给病人量身定做适合患者疾病特点的药物，”文章一作、UCSF计算健康科学研究所助理教授Bin Chen说。
 
这篇文章发表于7月12日的《Nature Communications》，UCSF团队使用这一方法确定了4种药物与癌症战斗的潜力，证明其中之一（FDA批准的治疗绕虫病药物pyrvinium pamoate）可缩小小鼠模型的原发性干细胞癌（发病率极高却缺乏有效治疗方法）。

研究人员首先瞄准了癌症基因组地图（Cancer Genome Atlas，TCGA）的海量数据。然后搜索另一个开源数据库，基于集成网络的蜂窝签名图书馆的1000个数据集（Library of Integrated Network-based Cellular Signatures L1000 dataset），寻找成千上万的化学物对癌细胞的影响。研究人员对71个细胞系中12442种小分子进行排序，测试它们逆转基因表达异常变化的能力。

尽管肿瘤种类不同，异常表现也不尽相同，但是变异情况却存在共性。每种配置方案都包含978种“地标基因”在不同药物浓度和治疗时间的表达水平测试。

第三个被本文采用的数据库是ChEMBL，该数据库是专门针对IC50（化学活性药物杀死特定癌症细胞的生物活性）药物药效测试的数据集。最后，Chen教授用“癌细胞系百科全书（Cancer Cell Line Encyclopedia）”分析和比较了来自1000度个癌细胞系的分子图谱。

他们的分析结果表明，有四种药物对实验室肝细胞癌小鼠可能存在潜在治疗效果。Chen说：“目前科学界已经有了如此多的抗癌药物疗效数据，使用我们的方法可以进行无需任何生物学实验的大规模分析。”

他和同事们开发了一个名为Reverse Gene Expression Score (RGES)的排名系统，预测用何种药物可以逆转特定疾病的基因表达谱——压低过度表达基因，促进弱表达基因，恢复基因表达水平使其更接近正常组织。

随后，利用开放存取数据库，通过RGES预测的药物对肝癌、乳腺癌和结肠癌的疗效得到了矫正。Chen更关注肝癌细胞系，因为相对乳腺癌和结肠癌，肝癌研究数据相对较少。所以，他不得不使用RGES打分系统测试药物和其他生物活性分子对非肝癌细胞系的作用。幸运的是，RGES系统功能足够强大，在多方比对之后仍能预测哪些分子可以杀死肝癌细胞。

CAR-T肿瘤免疫治疗研究的最新技术资料 抢先了解>> >>

原文标题：Reversal of cancer gene expression correlates with drug efficacy and reveals therapeutic targets