发布乳腺癌发生和发展的基因网络相互作用

佐治亚理工学院的研究人员已经确定了三种最常见的乳腺癌分子亚型(Luminal A, Luminal B和高度转移的基底样亚型)的差异基因网络变化特征，为癌症基因治疗提供信息。该研究揭示了在基底样亚型中获得的8个广泛连接的网络模块。功能分析揭示了19个具有癌症特征功能的基因，包括调节细胞增殖和运动。

　　

在《GEN Biotechnology》上发表的一项题为“乳腺癌发病和发展中基因网络相互作用的变化”的新研究中，佐治亚理工学院的研究人员发现了三种最常见的乳腺癌分子亚型——Luminal a、Luminal B和高度转移的基底样亚型——的差异基因网络变化特征。与之前的研究相反，作者将他们的分析扩展到正常和癌症样本之间的基因差异表达之外，因为差异基因表达可能不是基因相互作用变化的先决条件。

确定具有临床意义的靶点仍然是癌症基因治疗的关键。虽然癌症被认为是一种多基因疾病，但精确的癌症治疗往往局限于被确定为“癌症驱动因素”的单个基因靶点。因此，癌症发生和发展的重要调控变化可能未被发现，因为基因相互作用的许多变化与基因表达的协调变化无关。

这项计算网络研究由通讯作者、生物科学学院名誉教授、佐治亚理工学院综合癌症研究中心(ICRC)创始主任John McDonald博士领导，揭示了在侵袭性基底样亚型中获得的8个广泛连接的网络模块。与Luminal A和Luminal b相比，Basal-like亚型与基因网络结构的变化最为显著。对这些Basal-like模块的功能分析发现了19个富集癌症标志功能的基因，包括细胞增殖和运动的调节。

“任何复杂系统的组成部分，比如人类基因组，当然都很重要，”McDonald强调说。“这些独立组件相互作用的方式也很关键。”

值得注意的是，研究人员还发现了基底样亚型特有的神经通路，这些神经通路以前与乳腺癌没有关联。提示突触通讯的正向调节和谷氨酸能信号的强调在原发性乳腺肿瘤中起转移前作用。

McDonald的研究小组采用综合系统的方法来研究癌症。实验室的其他研究项目集中在开发通用的癌症诊断，小的非编码RNA作为治疗癌症的药物，以及理解mRNA剪接变异体在癌症发生和发展中的意义。今年1月，McDonald实验室发表了一项研究，该研究将机器学习应用于患者的代谢谱，以确定个性化卵巢癌诊断的生物标志物模式。

作者表示，该基因网络分析的见解进一步阐明了基底样乳腺癌的分子过程，并可以促进化疗的新靶点。此外，确定不同乳腺癌亚型之间独特的网络特征为个性化治疗方案提供了途径。

Changes in Gene Network Interactions in Breast Cancer Onset and Development