革命性骨肉瘤研究有望改变诊断和治疗方法

虽然基因测序此前已揭示出乳腺癌或皮肤癌等不同亚型，使得治疗可以针对这些特定亚型进行，但对于骨肉瘤这一起源于骨头且通常影响儿童和青少年的癌症而言，情况则较为复杂。

由东安格利亚大学领导的一个研究项目，在儿童癌症慈善机构“儿童与癌症英国”的支持下，采用复杂的数学建模和机器学习，特别是“潜在过程分解”，根据患者的基因信息将骨肉瘤患者分为不同亚组。迄今为止，所有骨肉瘤患者均按照相同的方案接受治疗，导致结果不一致。

东安格利亚大学诺里奇医学院的首席作者达雷尔·格林博士解释道：“自1970年代以来，骨肉瘤的治疗依赖于非靶向化疗和手术，有时导致肢体截肢和化疗带来的严重终生副作用。”

“在过去的50年中，许多全球范围内探索骨肉瘤新药物的试验被视为‘失败’。”

“我们的发现表明，这些之前被标记为‘失败’的试验确实显示出对新药的小响应率（大约五到十个百分点），暗示存在从新治疗中受益的骨肉瘤亚型。”

“因此，这些药物并非完全失效，而是可能对某些积极回应的患者群体仍然有潜力。”

“我们乐观地认为，使用这个新算法对患者进行分组将会在超过50年来的首次临床试验中取得成功。”

“通过利用针对特定癌症亚型的靶向药物，我们可以开始逐渐远离传统化疗方法。”

为骨肉瘤寻找更人性化和靶向的疗法是“儿童与癌症英国”的一个重要目标。

2021年，这个领先的儿童癌症组织向东安格利亚大学团队提供资金，以探索骨肉瘤的创新治疗。

“儿童与癌症英国”研究主管苏尔塔娜·乔德里博士强调：“投资于创新研究项目对于实现我们希望每个儿童和年轻人战胜癌症的愿景至关重要。”

“我们将募款活动的重心放在科学研究上，因为我们已经见证了其在改善每个儿童生存机会方面的重大影响。”

“通过资助开创性的研究，我们不仅增强了科学理解，还发现了更温和和更有效的治疗方法，帮助我们年幼且最脆弱的癌症患者。”

“我们希望这项研究的发现能增强年轻癌症患者的诊断、治疗和长期护理。”

目前，骨肉瘤（骨癌的一种）的生存率在过去45年中保持在约50%的水平。这一停滞主要源于对不同骨肉瘤亚型的了解不够全面，以及周围免疫系统的影响或癌症对治疗的抵抗及其扩散到其他身体部位的原因。

研究人员仍在努力识别关键生物标记，以帮助预测患者的预后或对治疗的反应。这些知识上的空白阻碍了生存率的提高。

早期研究曾试图使用某些计算方法对骨肉瘤类型进行分类，暗示存在独特的亚型。

尽管这是一个重要进展，但并没有完全解决每个骨肉瘤肿瘤在自身结构上差异显著的问题。

此外，早期方法假设每个肿瘤都可以整齐地分类到特定类别中，尽管肿瘤通常包含多种癌细胞类型。

这种内部变异使得精确预测癌症的行为或对不同治疗的反应变得复杂。

在这项研究中，研究人员采用了先进的潜在过程分解（LPD）方法，该方法考虑了个体肿瘤内的变异。

与以往技术不同，LPD将肿瘤分析为一组隐藏基因活动模式，每种模式代表一种独特的“功能状态”，并对应其基因表达谱。

LPD方法确定描述特定肿瘤需要多少种模式。

研究确定了三种骨肉瘤亚型，其中一种亚型对被称为MAP的标准化疗方案响应较差。

通过理解这些模式，医生可以做出更明智的治疗决定。

然而，研究人员承认一些局限性，例如在开发LPD模型时使用的数据集较小，以及验证组的临床数据不足。

由于骨肉瘤的稀有性、有限的活检材料以及治疗后样本中明显的化疗损伤，获得组织样本和相关临床数据仍然特别具有挑战性。

尽管面临这些障碍，LPD方法表现出可靠性，在四个独立数据集中一致地识别出骨肉瘤亚组。

与任何机器学习工具一样，随着额外数据的可用性，结果的准确性将得到提高。

近日，格林博士主动制定了新的指导方针，旨在提高整个欧洲骨癌样本和临床数据的收集。

这一进展表明，在未来几年，研究人员可能进一步完善LPD模型并识别出更多具体的骨肉瘤亚型。

“贝叶斯无监督聚类识别临床相关的骨肉瘤亚型”一文发表在《生物信息学简报》上。