新的分析工具设计，以帮助指导精确肿瘤发现和治疗

最近，对多种癌症类型的分子数据进行分类的大规模努力已经产生了如此多的信息，以至于研究人员现在有了一个新问题:如何将所有这些数据转化为有意义的信息，指导癌症研究和患者护理。

密歇根大学罗盖尔癌症中心的研究人员开发了一种新的分析工具，它结合了多个数据集，帮助从噪声中筛选信号。

“我们的想法是结合三种来源的数据集分子数据从两个癌症细胞株，病人，还有药物密歇根大学公共卫生学院生物统计学教授Veerabhadran Baladandayuthapani博士说:“我们需要分析数据，以了解最具代表性的这些肿瘤的临床前模型。临床肿瘤学杂志临床癌症信息学这就是这个新工具的描述。

这个名为TransPRECISE的工具使用了来自31种癌症类型的7714名患者样本的数据，这些数据是作为癌症蛋白质组图谱的一部分收集的。它与640结合癌细胞系来自MD Anderson细胞系项目和来自癌症药物敏感性基因组学模型系统的481种药物的药物敏感性数据。

“好在这是一个非常动态的过程。我们可以把整个系统安装在电脑里。当新的病人进来或新的数据进来时，你可以不断添加它，”m.s stat的鲁帕姆·巴塔查里亚说。他是一名博士生，也是这篇论文的第一作者。

该工具建立在该团队创建的早期模型之上，他们称之为PRECISE。着眼于精准医疗，他们创建了一个模型来观察个体患者个体肿瘤的分子结构发生了什么变化。TransPRECISE增加了细胞系和药物敏感性的数据，这将有助于研究人员将癌细胞生物学转化为药物发现．

“现在我们在这些患者身上有成千上万个肿瘤，我们可以评估这些药物可能的潜在治疗效率。关键的想法是开发一种分析工具来做到这一点，”Baladandayuthapani说，他也是Rogel癌症中心癌症数据科学共享资源的主任。

在JCO的临床癌症信息学论文中，研究人员验证了工具通过比较已知药物反应和患者资料中的临床结果。TransPRECISE识别了单个肿瘤中蛋白质的差异，并准确地将其与实际的患者结果联系起来。此外，他们还观察了几种预测潜在药物靶点的途径。这一结果反映了当前的治疗建议或正在测试的目标临床试验例如治疗brca阳性乳腺癌的伊布鲁替尼和治疗结肠癌的拉帕替尼。

“我们有如此多的数据，我们如何深入挖掘，使其更有信息量，以便肿瘤学家能够理解?我们的工作可能会帮助肿瘤学家或研究人员根据起作用的机制制定具体的假设，可能会带来可能需要更多评估的顶级药物，”Baladandayuthapani说。

---

---