创新的计算方法产生新的癌症靶点

　　

威尔康奈尔医学院的研究人员利用人工智能，根据患者肿瘤的调节网络来确定药物靶点。这项研究发表在9月4日的《细胞系统》杂志上，通过实验确定并验证了四种用于神经内分泌癌、肝癌和肾癌的候选药物，这些癌症目前的治疗方案预后不佳。

这项研究为识别许多癌症的新药物靶点提供了一种急需的新方法。虽然针对某些癌症的靶向治疗提高了生存率，但治疗耐药性和由此导致的疾病进展是持续的挑战。此外，许多癌症类型没有已知的特定药物靶点。

资深作者Ekta Khurana博士，生理学和生物物理学副教授和WorldQuant基金会研究学者，领导了使用一种新的计算方法绘制了包括22种癌症在内的371名患者肿瘤样本的基因调控网络。基因调控网络——描述细胞中基因之间复杂关系的模型——在癌症中经常发生改变。

建立精确的基因调控网络并非易事。研究人员结合了肿瘤细胞信使RNA的数据，这些数据被翻译成蛋白质和染色质的可及性，这有助于揭示DNA包装和其他因素如何影响基因表达。

研究人员开发了一种创新的计算方法，称为癌症调节网络和易感性(CaRNetS)，以发现基因调节网络中可以作为癌症治疗药物靶点的关键蛋白质。他们确定了已知的靶点，如皮肤中的BRAF，结肠中的CTNNB1 (B-Catenin)和肺癌中的ERBB2 (Her2)。作者说:“以这些已知的阳性病例为参考点，我们试图用有限的有效靶向治疗来验证癌症的最佳候选药物。”

然后，研究人员用他们的方法找到了关键的转录因子及其相互作用的蛋白质，这些蛋白质可能是可以阻止或减缓肿瘤生长的脆弱点。转录因子是一种与特定DNA序列结合并调节基因表达、开启或关闭基因产生的蛋白质。

通过对患者肿瘤样本的CaRNets，研究人员能够将患者分为22组——9组只对应一种癌症类型，13组包含多种癌症类型的患者。重要的是，该方法揭示了所有22个簇的药物靶点。研究人员在细胞中验证了四种候选蛋白质。他们发现，与对照组相比，抑制他们发现的蛋白质显著影响了代表肾脏、肝脏和神经内分泌癌症类型的细胞系的生长。

研究人员设想，随着大规模测量患者组织中染色质可及性的便利性，他们的计算方法将被广泛用于寻找更多癌症类型和亚型的新治疗方案。