利用基因表达数据将实验室癌症模型与真实肿瘤进行比较

在实验室条件下从肿瘤细胞中培养出来的癌细胞系是癌症研究的支柱。它们为癌症基因组学和生物学提供了有价值的见解，但出于几个原因，科学家们经常难以将基于细胞系的实验数据与来自互补肿瘤的数据进行比较，或者选择用于模拟特定肿瘤类型的最佳细胞系。

为了帮助指导这些选择，Allison Warren、Aviad Tsherniak、James McFarland和Broad癌症依赖图谱(DepMap)团队的其他成员开发了Celligner，这是一种计算工具，可以帮助匹配肿瘤和细胞系基因表达分析数据。

因为细胞系是在实验室里培养的，通常是几十年，它们不能完全反映它们应该模拟的肿瘤。例如，细胞系可以表达患者肿瘤中没有的基因或包含突变，这可以改变他们对抗癌药物的反应。与此同时，肿瘤是一种复杂的混合物，包含许多细胞类型，而细胞系通常只有一个。

塞林格通过比较和校准患者肿瘤和细胞系RNA测序数据(揭示细胞中在某个时间点哪些基因是活跃的)来纠正这些差异。通过使用Celligner比较来自癌症细胞系百科全书(Cancer cell Line Encyclopedia)、癌症基因组图谱(the Cancer Genome Atlas)、TARGET和其他项目收集的超过1200个细胞系的12000多个患者肿瘤的数据，该团队能够:

• 测量特定细胞系模拟它们所代表的肿瘤的程度，突出特别强和特别弱的细胞系/肿瘤匹配;
• 最需要新的、更有代表性的细胞系或其他模型的精确肿瘤类型(如甲状腺癌和脑癌);而且
• 展示一套细胞系具有独特的表达特征，可能代表转移过程的早期步骤。

他们的全部研究结果发表在自然通讯．

“该领域的目标是拥有一个反映所有人类肿瘤的癌症模型集合，”布罗德癌症项目的研究所科学家、DepMap团队的科学主任杰西·伯姆(Jesse Boehm)说。“现在，有了Celligner，我们可以开始衡量我们的进展，并专注于缩小差距的新努力，并改善我们对分子预测的解释，使真正的患者受益。”

---

---