利用基因芯片进行乳腺癌分型

　　

基因潮消息：Duke大学研究人员研究出了根据基因表达情况评价乳癌恶性程度的新统计学方法。们采用DNA微阵列（基因芯片）实验室方法对乳癌样品进行基因活性分析，证实根据临床上两个重要因素的表达情况评价乳癌的状态，这两个因素分别是雌激素受体表达情况和淋巴结转移情况。

表达雌激素受体的肿瘤更容易侵袭性扩散，它们能对促进生长作用的雌激素和黄体酮其反应，还能预测肿瘤是否已经转移到淋巴结，以及转移的能力，科学家说肿瘤的淋巴结转移是癌症转移的最重要因素。关于这个统计学预测肿瘤状态的报告刊登在2001年9月25日的《美国科学院学报》（PNAS）上。该文主要作者Joseph Nevins说这个发现还是初步的，他相信这个技术最终会产生新的诊断实验，能够非常准确的预测的肿瘤的状态，提高诊断和治疗能力。Joseph Nevins是Duke大学医学中心Howard Hughes医学协会调查员，担任基因组技术中心代主任。该中心是Duke基因组科学和政策（IGSP）协会的5个研究中心的组成之一。Nevins说这个技术明显优越于标准方法，传统方法通过视觉检查，确定肿瘤的治疗方案和预后。由于左右病理学家诊断的视觉信息是基因表达的结果，研究就大规模直接分析基因的表达情况，最后分析每一个在肿瘤中表达的基因情况，为肿瘤的诊断提供现在检查无法比拟的更加详细的信息。该研究由IGSP项目赞助，目前的资助单位还有Duke乳癌研究专门项目（SPORE），早期检测研究网络和Duke综合性癌症中心。

曾经使用基因芯片进行白血病，淋巴瘤和乳癌的分析和分类，但是Duke的研究远远超出了以往的工作，它们的目的是开发乳癌临床指标的预测性指标，这也是这个技术用于临床的重要方面。基因芯片，可以在一个肿瘤样品上分析上千个基因。科学家从肿瘤样品中提取mRNA，将它们放在微阵列上与基因样品相互作用，科学家在mRNA上标上荧光标记，检测mRNA的水平，以检测出肿瘤中基因的表达活性。

Duke研究人员使用的是商业化基因芯片，包含有7000个人基因。在研究中，他们主要研究的是在肿瘤中极度表达的100个基因，他们运用统计学的方法分析49个肿瘤基因样品的基因表达情况，以前用于检测肿瘤样品中的雌激素受体的阳性或阴性表达情况。Nevins说，肿瘤中基因表达上的差异能够预测雌激素受体的状态。由于雌激素受体在促进肿瘤上的重要作用，确定雌激素受体的状态对于乳癌的诊断非常有意义，雌激素受体的检测还有助于治疗。虽然目前已经能够进行雌激素受体的分析，基因表达的检测能够提供更详细的信息。

PNAS研究还报道乳癌中的雌激素受体表达情况还能预测淋巴结的累及与否。科学家将累及淋巴结和没有累及的进行比较，发现它们能够对肿瘤的淋巴结状态进行分层，不过准确性没有雌激素受体分析那么高。

Nevins说基因芯片分析除了通过观察整个荧屏外，还可以检测数字相片的每一个象素，终有一天生理学家不在需要在显微镜下进行肿瘤的检查，将会有技术帮助他们直接检测肿瘤个体基因的表达情况。

Nevins说大规模的基因表达信息有望提高临床诊断和治疗策略，但是这需要具有分析这些资料的统计学工具。科学家认为通过基因表达情况预测淋巴结的状态，在很多情况下可以避免许多过多清扫淋巴结的危险手术。Duke统计学和科学决策协会主任和该研究主要作者Mike West与Nevins等其他研究人员合作开发和进行了统计学分析，他说几年前就认识到了这些资料会有助于临床，但是一直没有开发出实用的分析方法，这个发现是非常鼓舞人心的，这个方法除了目前能够准确预测的许多肿瘤中雌激素状态的基因表达外，还可以预测许多目前无法确定的肿瘤特征的基因表达，为生物研究提供线索。目前研究人员正从事于更大的研究，开发分析方法扩大理解肿瘤基因的潜力，提高癌症患者分层的准确率。

Duke APORE主任和该研究合作者Jeffrey R. Marks说癌症中的基因活性分析只是确定肿瘤特性的其中一种指数。为了更真实的理解肿瘤的特性，必须考虑其他资料，如蛋白水平，个体免疫系统的具体情况，人群的基因变异。即使基因活性资料非常丰富详细，它们只是其中一个方面，不足于完全揭开所有的困惑。

研究人员说乳癌基因活性分析的统计学方法还不完善，到用于临床还有数年的时间，不过象这种评价肿瘤扩散和指导治疗的检测日益会成为癌症患者常规治疗的一个部分。

Nevins说基因组学是非常有潜力的，希望它能够准确确认和分层疾病的状态，更加准确和个体化的进行治疗。科学家说这些基因表达情况为明确特殊种类肿瘤的转移的机制提供了机会，能够更好地从基础上认识乳癌。

IGSP是2000年投资20000万美元团体资金建立的，代表了Duke大学面临基因组挑战的全面反应，它通过5个中心进行运做：基因组技术中心，人类基因组中心，人类疾病模型中心，基因组伦理，法律和政策中心和生物信息和计算机生物学中心。