利用推断祖先的方法 科学家揭开了个性化癌症治疗的秘密

利用推断祖先的方法科学家揭开了个性化癌症治疗的秘密知道你的祖先来自哪里可能是改善癌症治疗的关键吗？也许吧，但这把钥匙会在哪里？我们如何能从癌症的祖先根源追溯到现代的解决方案？对于冷泉港实验室（CSHL）的研究教授AlexanderKrasnitz来说，答案可能深藏在庞大的数据库和医院档案中，其中包含数十万的肿瘤样本。Krasnitz和CSHL博士后研究员PascalBelleau正在努力揭示癌症和种族或民族之间的谱系关系。他们已经开发了新的软件，可以从肿瘤的DNA和RNA准确地推断出大陆的祖先。他们的工作也可能帮助临床医生开发早期癌症检测和个性化治疗的新策略。"为什么不同种族和民族的人患不同类型的癌症的比例不同？"克拉斯尼茨说。"他们有不同的习惯、生活条件、接触--所有种类的社会和环境因素。但也可能有遗传因素。"克拉斯尼茨的团队使用混合DNA档案训练他们的软件工具。他们从已知背景的癌症和不相关的无癌基因组中创建了这些档案。然后他们用已知血统的病人的胰腺癌、卵巢癌、乳腺癌和血癌标本测试了该软件的性能。该团队发现该软件将他们的杂交图谱与大陆人口相匹配，准确率超过95%。Krasnitz说："我们有一个很好的模型来建立，但是很少有个人来自单一的祖先。我们在某种程度上都是混合的。因此，现在我们正在努力深入研究，测试未知祖先的肿瘤样本，揭示祖先的混合体，并实现更多的区域特异性"。多么具体？就目前而言，认为西非与东非是相对的。"Krasnitz和Belleau最近加入了一项与NorthwellHealth和SUNYDownstate医疗中心合作的结肠直肠癌研究。这项研究使他们能够探索结肠直肠癌如何根据特定的种族或民族以不同的方式进行基因突变。他们希望进一步完善他们的软件，不仅推断整个基因组的祖先，而且推断其中的每一个个体序列。"Belleau说："如果我们能够识别出更多容易受到不同癌症或其他侵略性疾病影响的局部祖先，它可以帮助我们确定基因组的特定部分，并针对它进行治疗。"现在，一个简单的DNA拭子可以告诉你你来自哪里以及你会遗传哪些疾病。在未来，它可能也会给你战胜它们的手段。...PC版：https://www.cnbeta.com.tw/articles/soft/1353813.htm手机版：https://m.cnbeta.com.tw/view/1353813.htm

肿瘤化身 - 个性化癌症治疗的新方法

肿瘤化身-个性化癌症治疗的新方法该研究小组使用了从患者身上提取的未经治疗的癌组织中提取的类器官。图片来源：UNIGE然后将这些实验的结果编译成一个模型。这种方法为针对不同类型的癌症和许多其他疾病的个性化和增强治疗铺平了道路。该研究结果最近发表在《实验与临床癌症研究杂志》上。每年有超过140万人受到影响，其中700000人死亡，结直肠癌是世界上诊断出的第三大癌症，也是仅次于肺癌的第二大致命癌症。它的治疗主要基于称为FOLFOXIRI的化疗组合。然而，其有效性因患者而异，并且其副作用显着。它还会导致大多数患者出现进行性耐药。如何在不引起大量副作用的情况下为每位患者测试和优化化疗组合？由UNIGE理学院药学院副教授、肿瘤血液学转化研究中心(CRTOH)成员PatrycjaNowak-Sliwinska领导的UNIGE团队通过使用类器官找到了解决方案。这些在实验室中创建的三维细胞结构再现了某些组织和器官的结构和功能。类似器官“这些微组织本身并不是器官，”UNIGE理学院药学院博士后研究员、该研究的第一作者GeorgeM.Ramzy解释说。“它们有一些重要的生理差异，例如没有血管或神经系统。然而，它们是测试治疗的非常有效的模型。”研究人员从日内瓦大学医院(HUG)未经治疗的患者身上采集的癌组织开始。通过从这些组织中培养干细胞——逐渐分裂并组织成三维结构——科学家们能够从每个患者的肿瘤中产生类器官或类肿瘤。“然后，我们在不知道它们的遗传背景的情况下，在这些模型上测试了不同的药物，”PatrycjaNowak-Sliwinska解释道。这种个人背景在很大程度上决定了治疗的有效性。因此，研究人员从头开始，将他们的整个研究建立在实时观察细胞反应的基础上。快速、有效和定制化这些肿瘤化身暴露于目前临床使用的七种治疗方法。根据每个患者类器官的反应，调整这些治疗的组合和剂量。所有结果都经过数学建模，以预测每个类器官（即每个患者）的最佳疗效和剂量。这些测试进行了两周。“这是一个临床相关的时间框架：这是目前医学界在诊断后选择治疗所需的时间框架，”PatrycjaNowak-Sliwinska说。由于UNIGE研究实验室和EPFL之间的合作，研究人员随后能够确定每位患者肿瘤的阶段以及疾病进展中涉及的主要突变。该信息对于更好地了解每种药物组合的选择和作用机制是相关且必不可少的。“每个病人都是不同的，需要特定的治疗，”PatrycjaNowak-Sliwinska补充道。这种没有动物模型的创新方法刚刚获得了专利。它为多种癌症提供个性化治疗，也为心血管或病毒性疾病等其他疾病提供个性化治疗。肾癌的试验正在进行中。对于研究团队来说，下一步将是研究来自经过预处理的结肠癌肿瘤的类器官，因此这些肿瘤会显示出耐药迹象。目的还在于缩短优化过程的持续时间。...PC版：https://www.cnbeta.com.tw/articles/soft/1362697.htm手机版：https://m.cnbeta.com.tw/view/1362697.htm

AI可以预测乳腺癌化疗的效果 带来最佳的个性化治疗手段

AI可以预测乳腺癌化疗的效果带来最佳的个性化治疗手段"现在确定一个特定的乳腺癌患者的正确治疗方法是非常困难的，关键是要避免使用不太可能对该患者有真正好处的治疗方法而产生不必要的副作用，"系统设计工程教授黄说。"一个能够帮助预测病人是否可能对某一特定的治疗方法有良好反应的人工智能系统给医生提供了所需的工具，为病人开出最佳的个性化治疗方法，以改善康复和生存。"在视觉和图像处理（VIP）实验室的研究生AmyTai领导的项目中，人工智能软件通过使用由Wong和他的团队发明的一种新的磁图像共振模式（称为合成相关扩散成像（CDI））制作的乳腺癌图像进行训练。利用从旧乳腺癌病例的CDI图像中收集到的知识和关于其结果的信息，人工智能可以根据新患者的CDI图像预测术前化疗是否会受益。被称为新辅助化疗，手术前的治疗可以缩小肿瘤，使手术成为可能或更容易，并减少对乳房切除术等重大手术的需求。"我对这项技术相当乐观，因为深度学习人工智能有可能看到并发现与病人是否将从特定治疗中受益有关的模式，"VIP实验室主任、加拿大人工智能和医学成像研究主席黄说。关于该项目的一篇论文"Cancer-NetBCa:BreastCancerPathologicCompleteResponsePredictionusingVolumetricDeepRadiomicFeaturesfromSyntheticCorrelatedDiffusionImaging"最近在Med-NeurIPS上发表，作为NeurIPS2022的一部分，这是一个关于人工智能的重要国际会议。新的人工智能算法和完整的乳腺癌CDI图像数据集已通过Cancer-Net倡议公开提供，以便其他研究人员能够帮助推进这一领域。...PC版：https://www.cnbeta.com.tw/articles/soft/1344919.htm手机版：https://m.cnbeta.com.tw/view/1344919.htm

量身定制的全基因组测序技术可使罕见疾病的诊断率提高一倍

量身定制的全基因组测序技术可使罕见疾病的诊断率提高一倍然而，对这些数据的解释可能异常具有挑战性。事实上，许多患有复杂、罕见遗传病的人仍然没有得到关于其问题原因的分子答案。在这项研究中，研究人员试图为这类患者提供一个更好的机会，让他们接受基因诊断。这项研究是在UCL皇后广场神经学研究所的伦敦线粒体中心和UCL大奥蒙德街儿童健康研究所进行的，其结果将于今天（11月7日）发表在《自然通讯》杂志上。为了实现他们的目标，研究人员测试了使用由专业医生、生物信息学家和科学家组成的基因组医学团队如何能够提升NHS诊断实验室的能力，使其超越标准的半自动化数据分析。UCL团队重新评估了未诊断的病例，以确定可能有助于指导进一步、更个性化分析的线索。他们随后应用了额外的生物信息学方法，使用先进的计算机技术来识别患者DNA中可能导致疾病但在常规测试中被忽略的基因改变。该研究的参与者包括102名未被诊断的患者，他们被怀疑患有原发性线粒体疾病（一大群影响儿童和成人的不可治愈的遗传疾病，与广泛的医疗问题、严重残疾和寿命缩短有关），他们通过国家卫生系统的10万个基因组项目进行了全基因组测序。这种个性化的方法将诊断率从16.7%提高到31.4%。它还在另外3.9%的患者中发现了潜在的致病变体。主要作者RobertPitceathly博士（伦敦国家医疗服务系统罕见线粒体疾病高度专业化服务的共同负责人和UCL皇后广场神经学研究所的研究小组负责人）说。"NHS在先进的遗传技术方面进行了大量的投资。因此，英国已经确立了自己在诊断性全基因组测序方面的领先地位。也就是说，一些患有罕见遗传病的人在他们的基因组被分析后仍然没有得到分子诊断。我们相信投资于专业的基因组医学团队是至关重要的，它可以确保公平地获得专门的多学科专业知识，并最大限度地提高诊断率。在我们的研究中，患者平均等待诊断的时间超过30年--我们现在有能力解决此类案件，但需要足够的劳动力规划来支持NHS诊断基因实验室实现这一目标。"接受基因诊断是很重要的，因为它允许患者获得生育计划当中专属的试管婴儿和药物试验的机会。它还可以允许对已知的疾病并发症进行有针对性的筛选，并获得药物研究的机会。Pitceathly博士说。"在这项研究中，每一个新的基因诊断都对病人护理产生了直接影响。这包括对心脏问题、听力损失和糖尿病的额外检查，以及获得临床试验的机会"。UCL皇后广场神经学研究所所长MichaelHanna教授说。"这项工作是在开发使基因组分析为患者带来最大利益的最佳方法方面迈出的重要一步。它清楚地表明，通过将基因组分析的自动化方法与熟练的多学科团队的数据解释相结合，诊断率会翻倍。这是一个重要的发现，它将影响基因组医学诊断服务在世界范围内的发展"。共同作者詹姆斯-戴维森博士（大奥蒙德街医院代谢医学部，英国遗传性代谢疾病小组主席）说。"对于患有罕见、复杂疾病的儿童和成人来说，达成诊断的过程可能非常漫长，而基因组医学在帮助达成这一目标方面提供了一个变革性的强大工具。这项研究强调了专业临床医生和遗传科学家在解释基因组测序结果方面的合作的重要性，以最大限度地增加达成诊断的机会，然后帮助指导医疗管理和治疗方案。"患者故事RachelNorth是参与该试验的患者之一，她将获得诊断描述为"改变了生活"。此后，它让她接受了疾病并发症的筛查，如骨质疏松症，这些都得到了治疗。她说。"在过去的20年里，我去了那么多医院，找了那么久，我从来没有想过我会得到准确的诊断。思考这个问题占用了很多精力，我担心我12岁的儿子，担心我的病情是否会影响他。因此，得到罕见隐性遗传的诊断是一种解脱，消除了对未知的恐惧。有了诊断，我就可以研究我的病情，并非常主动地管理它。任何能帮助我了解和理解发生在我身体上的事情的东西，都能帮助我接受它，并给我信心，我正在尽可能地管理它。"...PC版：https://www.cnbeta.com.tw/articles/soft/1332045.htm手机版：https://m.cnbeta.com.tw/view/1332045.htm

对500万人的新研究揭示了身高与基因差异的关系

对500万人的新研究揭示了身高与基因差异的关系聚集在基因组中与骨骼生长有关的区域的12111个变体为身高提供了强有力的遗传预测。对于欧洲血统的人来说，所发现的变异体占身高变异的40%，而对于非欧洲血统的人来说要少得多，占10-20%。成人的身高主要由我们的DNA编码的信息决定；高个子父母的孩子可能会更高，而矮个子父母的孩子往往更矮，尽管这些估计并不完美。一个小婴儿发展成一个成年人，以及遗传学在这一过程中的作用，长期以来一直是人类生物学的一个复杂和不甚了解的方面。以前最大的关于身高的全基因组关联研究采用了多达70万人的样本量；目前的样本量大约是早期研究的七倍。这项研究是以前所未有的规模进行的，它提供了新的生物学细节和对个人身高或身矮原因的理解，遗传与各种特定的基因组区域有关。研究结果表明，仅占基因组20%以上的区域包含了与身高有关的大部分基因变体。该研究的发现可以帮助医生识别那些无法达到遗传预测身高的人，这可能有助于诊断可能阻碍他们成长或影响他们健康的隐藏疾病或状况。这项研究还提供了一个宝贵的蓝图，说明如何能够利用全基因组研究来确定一种疾病的生物学特性，并随后确定其遗传成分。后续研究需要更大的基因组多样性虽然与以前的研究相比，这项研究有大量来自非欧洲血统的参与者，但研究人员强调，在基因组研究中需要更多多样性。大多数可用的遗传数据都来自欧洲血统的人，因此全基因组研究并没有捕捉到全球范围内广泛的祖先多样性。增加非欧洲血统人群的全基因组研究的规模对于达到相同的饱和度和缩小不同人群预测准确性的差距至关重要。该研究的共同第一作者、伦敦大学玛丽皇后学院计算生物学高级讲师EiriniMarouli博士说。"我们在研究500多万人的DNA方面完成了一项壮举，直到最近还被广泛认为是不可能的。"基因组研究是革命性的，可能是解决许多全球健康挑战的关键--其潜力是巨大的。如果我们能够在基因组水平上清楚地了解身高等性状，那么我们就可能拥有更好地诊断和治疗受基因影响的疾病的模型，例如，心脏病或精神分裂症。如果我们能够将基因组的特定部分与某些性状进行映射，那么它就为进一步广泛的定向、个性化治疗打开了大门，可以使世界各地的人们受益。"了解更多：https://www.nature.com/articles/s41586-022-05275-y...PC版：https://www.cnbeta.com.tw/articles/soft/1333391.htm手机版：https://m.cnbeta.com.tw/view/1333391.htm

约翰霍普金斯大学工程师开发出深度学习技术 可帮助个性化癌症治疗

约翰霍普金斯大学工程师开发出深度学习技术可帮助个性化癌症治疗细胞毒性CD8+T细胞通过受体结合新抗原识别癌细胞。图片来源：OpenAI的DALL-E2生成的图像在7月20日发表在《自然-机器智能》（NatureMachineIntelligence）杂志上的一项研究中，来自约翰霍普金斯大学生物医学工程系、约翰霍普金斯大学计算医学研究所、约翰霍普金斯大学金梅尔癌症中心和布隆伯格~金梅尔癌症免疫疗法研究所的研究人员表明，他们的深度学习方法（名为BigMHC）可以识别癌细胞上能引起肿瘤细胞杀伤性免疫反应的蛋白质片段，这是了解免疫疗法反应和开发个性化癌症疗法的重要一步。"癌症免疫疗法旨在激活患者的免疫系统来消灭癌细胞，"生物医学工程、肿瘤学和计算机科学教授、计算医学研究所核心成员雷切尔-卡钦（RachelKarchin）博士说。"这一过程的关键步骤是免疫系统通过T细胞与细胞表面的癌症特异性蛋白片段结合来识别癌细胞。"引起这种肿瘤杀伤性免疫反应的癌症蛋白片段可能源自癌细胞基因构成的变化（或突变），称为突变相关新抗原。每个患者的肿瘤都有一组独特的此类新抗原，这些新抗原决定了肿瘤的异质性，换句话说，决定了肿瘤构成与自身的不同程度。科学家可以通过分析癌症基因组来确定患者肿瘤具有哪些与突变相关的新抗原。确定哪些新抗原最有可能触发杀死肿瘤的免疫反应，科学家就能开发出个性化的癌症疫苗或定制的免疫疗法，并为患者选择这些疗法提供依据。然而，目前鉴定和验证触发免疫反应的新抗原的方法耗时费钱，因为这些方法通常依赖于劳动密集型的湿实验室实验。由于新抗原验证需要大量资源，因此可用于训练深度学习模型的数据很少。为了解决这个问题，研究人员通过一个称为迁移学习的两阶段过程训练了一组深度神经网络BigMHC。首先，BigMHC学习识别呈现在细胞表面的抗原，这是适应性免疫反应的早期阶段，可以获得许多相关数据。然后，BigMHC通过学习后期阶段（T细胞识别）进行微调，而这一阶段的数据很少。通过这种方式，研究人员利用海量数据建立了一个抗原呈递模型，并对该模型进行了改进，以预测免疫原性抗原。研究人员在一个大型独立数据集上对BigMHC进行了测试，结果表明它在预测抗原呈递方面优于其他方法。他们还对研究共同作者、布隆伯格~金梅尔癌症免疫疗法研究所（Bloomberg~KimmelInstituteforCancerImmunotherapy）肿瘤学副教授凯莉-史密斯（KellieSmith）博士的数据对BigMHC进行了进一步测试，发现BigMCH在识别可触发T细胞反应的新抗原方面明显优于其他七种方法。"BigMHC在预测免疫原性新抗原方面具有出色的精确性，"Karchin说。"为最有可能获益的患者子集量身定制癌症免疫疗法是一项迫切的、尚未得到满足的临床需求，BigMHC可以揭示驱动肿瘤异质性的癌症特征，从而触发有效的抗肿瘤免疫反应。"该研究的共同作者、胸部肿瘤学生物库主任、约翰霍普金斯大学分子肿瘤委员会和精准肿瘤学分析领导者、金梅尔癌症中心肿瘤学副教授Valsamo"Elsa"Anagnostou博士说。该团队目前正在扩大工作范围，在几项免疫疗法临床试验中测试BigMHC，以确定它是否能帮助科学家从成千上万的新抗原中筛选出最有可能引起免疫反应的抗原。这项研究的第一作者本杰明-亚历山大-阿尔伯特（BenjaminAlexanderAlbert）说："我们希望BigMHC能为癌症免疫学家提供指导，帮助他们开发可用于多名患者的免疫疗法，或开发可增强患者免疫反应以杀死癌细胞的个性化疫苗。阿尔伯特现在是加州大学圣迭戈分校的一名博士生。"Karchin和她的团队相信，BigMHC和类似的基于机器学习的工具可以帮助临床医生和癌症研究人员高效、低成本地筛选大量数据，从而开发出更加个性化的癌症治疗方法。Karchin说："深度学习在临床癌症研究和实践中发挥着重要作用。"...PC版：https://www.cnbeta.com.tw/articles/soft/1376727.htm手机版：https://m.cnbeta.com.tw/view/1376727.htm