乳腺癌首个关联细胞、基因、临床的网络图重磅出炉

临床结果（肿瘤分级、生存期）、细胞表型（形状、信号传递）和基因表达，这3者的关联性是癌症病理学的基础。但是从表型到分子机制之间的关系网1直未被研究透彻。

2017年2月初，来自于英国伦敦癌症研究所（InstituteofCancerResearchinLondon，ICR）的科学家们在《GenomeResearch》期刊发表1篇文章，揭穿了首个关于乳腺癌病理学大数据的“图谱”。他们开发了1个革命性的新方法，从基因、蛋白、细胞不同水平收集了大量数据，绘制了1幅展现癌细胞形状和基因表达关系的网络图，并将其与疾病临床结果相匹配。

乳腺癌：高度复杂的恶性肿瘤

乳腺癌作为女性最多发的恶性肿瘤，1直是癌症研究、精准医学关注的重点之1。今年年初，美国癌症协会发布“2017癌症统计”年度报告，再1次以数据为事实表明，乳腺癌首个关联细胞、基因、临床的网络图重磅出炉，乳腺癌新病发例占女性所有癌症新发人数的30%，居于首位。在中国，情况依然不容乐观。乳腺癌是我国女性病发率最高的恶性肿瘤，占女性全部恶性肿瘤病发的16.81%，且病发率正在以每一年3%—4%的速度猛增。

乳腺癌为何如此多发且难于医治，乳腺癌首个关联细胞、基因、临床的网络图重磅出炉？这主要与乳腺癌多分型、多基因突变的特点有关系。早在2012年，国际首个最大的乳腺癌分子分型研究METABRIC就已证实，乳腺癌可分为10种不同的类型。2016年，科学家们在遗传图谱的基础之上，深入分析了560个乳腺癌全基因组序列，鉴定出与乳腺癌相干的93个基因和其他1些非编码区的突变。

现在，英国伦敦癌症研究所的科研团队采取“图象组学方法”（image-omicsapproach），搜集了来自于18种乳腺癌细胞系的307643个细胞，对细胞成像处理。这些癌细胞图象得到的表型数据（例如形状）可以反馈细胞增殖、迁移、分化等生理活动的信号变化。同时，乳腺癌首个关联细胞、基因、临床的网络图重磅出炉，他们分析了细胞28376个基因的表达谱。

整合细胞表型、基因表达数据集（来源于：文献）

终究，研究团队将癌细胞成像数据、基因表达谱和蛋白互作3大数据整合在1起，系统性地绘制出1幅“细胞形状—基因网络图”。

更重要的是，当他们利用该图谱分析不计其数中乳腺癌患者样本时，结果发现，这些变化能够与患者的临床结果相匹配。

癌细胞形态的变化，可以评估乳腺癌的发展

研究人员发现，“细胞形状—基因网络图”存在关键区域，他们作为信息流的“关键”，调控其他基因的表达。

具体而言，他们发现1种蛋白质——NF-kappaB，在这1网络图中发挥侧重要的作用。NF-kappaB蛋白负责驱动癌细胞的生长和分散。这1反应对患者的肿瘤分级相当重要，可以作为预测生存期的关键靶点。

由于NF-kappaB蛋白很少在固体肿瘤中产生毛病，乳腺癌首个关联细胞、基因、临床的网络图重磅出炉，所以肿瘤微环境中的机械力会通过调控基因的表达与否，控制疾病的发展和恶化。

这意味着，由基因表达和/或微环境机械力驱动的细胞形态的变化，能够通过调控蛋白的变化促进乳腺癌的发展。未来，我们有望从细胞形态上评估癌症的恶性程度和转移风险，从而有助于医生选择适合患者的个性化疗法。

癌症研究所的细胞动力系统学研究负责人ChrisBakal博士表示：“我们的研究揭露了1个让人振奋的结果，展现了癌变细胞的行动与疾病发展之间的关联。我们使用‘大数据’方法，在数月时间内完成了过去需要投入10年的研究。”

这1最新研究从份子水平（基因表达、蛋白互作）整合了细胞表型数据，从而更有助于解析乳腺癌的产生、发展机制。癌症研究所的首席科学家KarenVousden表示：“这1研究将乳腺癌的细胞形状和行动与遗传信息联系起来，有助于研究人员开发更加详细的疾病蓝图。”