重磅出炉!乳腺癌“细胞形状—基因网络图”可预测癌症发展


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,这三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一直未被研究透彻。

 

2017年2月初,来自于英国伦敦癌症研究所(Institute of Cancer Research in LondonICR)的科学家们在《Genome Research》期刊发表一篇文章,绘制了一幅关于乳腺癌病理学大数据的“图谱”。他们开发了一个革命性的新方法,从基因、蛋白、细胞不同水平采集了大量数据,并制成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,一直是癌症研究、精准医学关注的重点之一。今年年初,美国癌症协会发布“2017癌症统计”年度报告,再一次以数据为事实表明,乳腺癌新发病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。乳腺癌是我国女性发病率最高的恶性肿瘤,占女性全部恶性肿瘤发病的16.81%,且发病率正在以每年3%4%的速度猛增。

 

乳腺癌为什么如此高发且难于治疗?这主要与乳腺癌多分型、多基因突变的特征有关系。早在2012年,国际首个最大的乳腺癌分子分型研究METABRIC就已经证实,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,鉴定出与乳腺癌相关的93个基因以及其他一些非编码区的突变。

 

图像组学方法:绘制细胞形状—基因网络图

现在,英国伦敦癌症研究所的科研团队采用“图像组学方法”(image-omics approach),采集了来自于18种乳腺癌细胞系的307643个细胞,对细胞成像处理。这些癌细胞图像得到的表型数据(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,他们分析了细胞28376个基因的表达谱。

 

最终,研究团队将癌细胞成像数据、基因表达谱和蛋白互作3大数据整合在一起,系统性地绘制出一幅“细胞形状—基因网络图”。

 

更重要的是,当他们利用该图谱分析成千上万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“枢纽”,调控其他基因的表达。

 

具体而言,他们发现一种蛋白质——NF-kappaB,在这一网络图中发挥着重要的作用。NF-kappaB蛋白负责驱动癌细胞的生长和扩散。这一反应对于患者的肿瘤分级至关重要,可以作为预测生存期的关键靶点。

 

因为NF-kappaB蛋白很少在固体肿瘤中发生错误,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/或者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Chris Bakal博士表示:“我们的研究揭示了一个让人振奋的结果,展现了癌变细胞的行为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十年的研究。”

 

这一最新研究从分子水平(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发生、发展机制。癌症研究所的首席科学家Karen Vousden表示:“这一研究将乳腺癌的细胞形状和行为与遗传信息联系起来,有助于研究人员开发更为详细的疾病蓝图。”

 

参考资料:

Biggest Breast Cancer Breakthrough: Map Links Breast Cancer Cell Shape And Genes To Disease Outcomes

Big data brings breast cancer research forwards by 'decades'