为了解决诊断和治疗乳腺癌的问题，EPFL的科学家开发了EMBER，这是一个整合来自多个数据库的乳腺癌转录组数据的工具。EMBER可以通过准确预测分子亚型和治疗反应来提高精准肿瘤学。
乳腺癌是世界上最常见的癌症。然而，它并不是一种统一的疾病;它有不同的亚型，医生需要准确识别这些亚型，以便有效地为个别患者量身定制治疗方案。
传统上，癌症亚型是通过组织学染色(免疫组织化学)进行的，它可以直观地识别出可以将肿瘤分类为特定亚型的特定标记物。
但近年来，另一种方法彻底改变了乳腺癌的亚型:高通量转录组分析，它通过检测每个细胞中信使RNA的总数来观察癌细胞的基因活性(信使RNA对应于基因的序列，在合成蛋白质的过程中被核糖体读取)。
转录组学依赖于RNA测序(“RNAseq”)，这是一种快速“读取”RNA序列的新兴分子生物学技术。EPFL教授Cathrin Brisken说:“许多乳腺癌患者样本已经被联盟进行了全球基因表达谱分析，实际上有三个主要的公共数据库，其中包含世界各地研究人员探索的数千例患者样本。”
她补充说:“我们从各种分析中学到了很多，有人建议，随着RNA测序变得越来越便宜，它可以应用于常规临床实践，帮助诊断和决策。”然而，RNAseq分析通常需要同时处理大量样品，并且来自不同平台的样品难以比较，这一事实阻碍了这一点。
现在，在420万欧盟跨学科博士培训网络CANCERPREV Brisken协调EMBER(“分子嵌入器”)的保护下，构思出来了。它是一种计算工具，汇集了超过11,000个乳腺癌转录组，可以在单个样本的基础上预测癌症亚型，并准确捕获关键的生物学途径，为治疗反应提供卓越的预测能力。
EMBER是由Carlos Ronchi在布里斯肯实验室攻读博士学位时开发的。“Carlos开发了一种方法，通过这种方法，他将主要数据库放在一个公共空间中，”Brisken说。他表示，他可以在这个空间中添加额外的群体，最令人兴奋的是，甚至可以添加单个样本。样本在这个‘余烬’空间中的位置提供了额外的生物信息。”
为了创建EMBER，研究人员开发了一个统计模型，该模型集成了来自著名数据集(包括TCGA和metaBRIC)的RNA-seq和微阵列数据。他们专注于早期乳腺癌患者，将数据标准化，使其达到一个普遍的规模。通过选择1000个最易变的基因，使用44个稳定的基因进行归一化，他们保留了关键基因的表达特征。
该团队使用独立的患者队列验证了EMBER，并将其应用于临床试验数据，如诗意试验，其中它确定了治疗耐药的潜在机制，如雄激素受体信号传导增加和TGFβ信号传导减少。EMBER还有效捕获了乳腺癌的5种分子亚型以及雌激素受体信号和细胞增殖等关键生物学途径。
一个重要的发现是基于ember的雌激素受体信号评分优于目前用于临床实践的基于免疫组织化学的ER指数。这一发现表明EMBER可以更准确地预测内分泌治疗的反应。
通过为乳腺癌转录组数据提供一个统一的空间，EMBER允许对分子亚型和治疗反应有更细致入微的了解。这可能会为ER+乳腺癌患者带来更个性化的治疗计划和更好的结果。
EMBER还提供了将RNA测序纳入标准诊断实践的潜在途径，为更全面和更具成本效益的癌症诊断铺平了道路。这种方法不仅提高了肿瘤学的精确性，而且为未来的研究和临床应用提供了一个强有力的框架。
其他贡献者
英国癌症研究所
本文来自作者[时光隧道]投稿，不代表八木号立场，如若转载，请注明出处：https://cnbmelink.com/wdcf/202412-4739.html
评论列表（4条）
我是八木号的签约作者“时光隧道”！
希望本篇文章《加强乳腺癌的诊断和治疗》能对你有所帮助！
本站[八木号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览： 为了解决诊断和治疗乳腺癌的问题，EPFL的科学家开发了EMBER，这是一个整合来自多个数据库的乳腺癌转录组数据的工具。EMBER可以通过准确预测分子亚型和治疗反应来提高精准...