一组合作的研究人员创建了一种免费可用的资源，旨在帮助对患者的肿瘤样本进行分类。该分类基于癌症基因组图谱（TCGA）网络识别的独特分子特征。
该资源具有分类器模型，可以加速开发针对特定癌症亚型的测试工具，这些工具可以在临床试验中和用于癌症诊断。这一进展至关重要，因为不同亚型的肿瘤在癌症治疗中可能会表现出不同的反应。
该资源是第一个将TCGA的大型数据存储库与实际临床应用相连接的资源。
一篇概述这些工具的文章今天在《癌细胞》上发布。
“TCGA对每种主要癌症类型进行了分子亚型分类。通过这个资源，我们旨在为临床和科学专业人士提供工具，以将新诊断的肿瘤分类为这些已建立的亚型之一。”彼得·W·莱尔德（Peter W. Laird）博士说道，他担任范安德尔研究所（Van Andel Institute）表观遗传学的彼得和埃玛简·库克（Peter and Emajean Cook）讲席教授，并且是该研究的通讯作者。“这一新资源将作为开发考虑癌症中不同分子差异的临床检测的重要工具。”
TCGA是一个由国家癌症研究所主导的为期十年的计划，旨在生成33种癌症的详细分子特征。在与传统方法相比，传统方法是根据癌症起源的器官或组织进行分类，TCGA识别出复杂的基因组、表观基因组、蛋白组和转录组特征，这些特征提供了更准确的癌症亚型描述。
来自麻省理工学院和哈佛大学布로드研究院的安德鲁·D·切尔尼亚克（Andrew D. Cherniack）博士，以及来自俄勒冈健康与科学大学骑士癌症研究所的凯尔·埃洛特（Kyle Ellrott）博士，也是该出版物的通讯作者，强调了来自十多个研究机构的合作努力。
“考虑到许多TCGA分子亚型是使用来自各种数据类型的大量特征创建的，研究人员和临床医生已经向我们寻求帮助以对他们的样本进行亚型分类。”切尔尼亚克表示。“我们的资源显著简化了这一过程。”
该团队利用8791份TCGA癌症样本的数据开发了这一新资源，这些样本涵盖了26个癌症队列和106个癌症亚型。他们采用现有的机器学习方法，创建和评估了近五十万个模型，涉及六个类别——基因表达、DNA甲基化、miRNA、拷贝数、突变调用和多组学——选择表现最佳的模型纳入在线资源中。
总体而言，该资源提供了737个可供使用的模型，代表每个26个癌症队列的最佳模型、五种训练算法和六种数据类型。
“这一倡议的一个关键方面是确保这些模型可以被其他团队在新的数据集上实施。”埃洛特指出。“通常，这种类型的工作很难在新的样本中复制或应用。”
