结肠癌新生物标志物

　　

许多II期或III期结肠癌患者在手术后接受额外的或辅助的化疗。然而，临床试验表明，这种治疗方法并不能提高每个患者的生存机会。2024年7月25日发表在《细胞报告医学》(Cell Reports Medicine)上的一项研究确定并验证了一种10基因生物标志物，该标志物有可能预测II期或III期结肠癌患者是否会从辅助化疗中受益。

这项研究的第二个发现也可能导致进一步的研究和应用。研究人员发现，基因标记也可以潜在地预测免疫治疗是否对某些患者有帮助——这一点很重要，因为目前还没有明确的指导方针，说明哪些结肠癌患者可能从免疫治疗中受益。

这项研究由迈阿密大学米勒医学院西尔维斯特综合癌症中心的研究员Steven Chen博士领导，为未来的研究奠定了基础，有朝一日，病人和他们的医生可以做出个性化的治疗决定。迈阿密大学米勒医学院西尔维斯特综合癌症中心Steven Chen研究员说:“当你在谈论精确肿瘤学时，这意味着你使用单个病人的信息;这里我们特别讨论来自患者的生物标志物;指导医生作出临床决定，决定哪种治疗方法对病人最好。理想情况下，我们只想将辅助化疗应用于能从中受益的患者。对于没有反应的患者，我们仍然需要找到其他有效的治疗方法。

作为一名数据科学家，Chen将机器学习和人工智能应用于癌症研究，主要关注结直肠癌和乳腺癌。科学家们之前已经发现了生物标志物，可以帮助医生预测病人的生存曲线或了解癌症的侵袭程度。这些是有用的，但不能帮助指导治疗。

因此，他和范德比尔特大学和纪念斯隆凯特琳癌症中心的合作者开始寻找一种基因特征——一组特定的基因，其组合表达模式可以作为生物标志物。

结肠癌患者的肿瘤有许多不同的基因组图谱，因此研究小组从六个公开来源收集基因表达图谱，创建了一个933名患者的数据集，使其成为2期和3期结肠癌最大的基因表达数据集之一。

该团队的数据科学家精心策划并进行了质量控制，以确保他们能够识别准确的基因标记，以预测化疗的反应。

他们还希望基因标记是实用的，只有少量的基因。他们利用机器学习建立了一个由数千个潜在相关基因组成的网络，他们首先将网络缩小到18个基因，然后缩小到10个基因。

一旦他们确信10个基因网络在生物学上是相关的，他们就建立了一个模型来分析基因特征，以预测哪些患者将从辅助化疗中受益。

接下来，研究小组想要测试他们的基因标记的准确性。拥有一个跨学科的团队对这一步至关重要，Chen说。“与外科医生、肿瘤学家和生物学家密切合作，确保我们的发现是可靠的、临床相关的，并能有效地转化为实践。”

该团队的数据科学家通过将基因签名与数千个随机的5到15个基因网络的结果进行比较，来测试基因签名的预测能力。它在预测病人是否能从化疗中获益方面明显更好。

外科医生和肿瘤学家收集了109名2期和3期结肠癌患者的肿瘤组织样本，以及患者对辅助化疗反应的信息。

使用这些样本的测试进一步验证了该模型:研究发现，根据基因特征预测从化疗中受益的患者“比那些预测不会受益的患者的生存结果明显更好”。

Chen希望该团队的生物标记物有朝一日能用于帮助患者，但在临床应用之前还需要几个步骤。

“要真正在临床上应用，我们需要进行前瞻性临床试验，”他说。“这意味着我们招募患者，并应用这种生物标志物，看看它是否真的有效。”

该研究得到了Sylvester的资助，并受到Chen将数据科学转化为现实利益的目标的推动。

他说:“我希望我们发现的每一个研究发现都能改善临床决策，最终帮助癌症患者。”