生物信息学平台预测最佳癌症治疗组合

德克萨斯大学 MD 安德森癌症中心的科学家报告了一种新型生物信息学平台的开发，该平台可根据同时发生的肿瘤变化预测特定患者组的最佳治疗组合。在回顾性验证研究中，该工具选择了可改善临床前和临床研究中患者预后的组合。

这项研究“基于复发性致癌协同改变的精准联合疗法”发表在《癌症发现》杂志上，其研究结果在新奥尔良举行的 AACR 年会上公布。

该平台名为(REcurrent Features LEverged for Combination Therapy (REFLECT))，集成了机器学习和癌症信息学算法来分析肿瘤生物特征，包括基因突变、拷贝数变化、基因表达和蛋白质表达畸变，并识别频繁同时发生的改变研究人员表示，多种药物可以针对这一点。

“癌细胞依赖于多种驱动因素的改变，其致癌作用可以通过药物组合来抑制。在这里，我们提供了针对患者群体中反复出现的致癌共同改变的精准组合疗法的综合资源，”研究人员写道。

“为了生成资源，我们开发了……REFLECT，它集成了机器学习和癌症信息学算法。该方法使用多组学数据，将患者队列中的反复共同改变特征映射到联合疗法。我们使用来自患者异种移植、体外药物筛选和联合治疗临床试验的数据验证了 REFLECT 管道。这些验证表明 REFLECT 选择的联合疗法显着改善了疗效、协同作用和生存结果。

“在具有免疫治疗反应标记、DNA 修复畸变和 HER2 激活的患者队列中，我们已经确定了治疗上可行的和反复发生的共同改变特征。REFLECT 提供了一个资源和框架，用于在数据驱动的临床试验和临床前研究中设计针对肿瘤队列的联合疗法。”

“我们的最终目标是使精准肿瘤学更加有效，并为患者创造有意义的利益，”生物信息学和计算生物学助理教授 Anil Korkut 博士说。“我们相信 REFLECT 可能是一种工具，可以通过促进与肿瘤分子组成相匹配的联合疗法的发现和选择来帮助克服该领域当前的一些挑战。

“虽然 REFLECT 仍然是一个需要额外验证的概念，但我们预计有一个很好的机会将这项工作转化为真正的临床效益。未来，来自治疗前患者样本的多组学特征可以加载到 REFLECT 管道中以生成共同改变特征，从而使医生能够考虑针对这些患者的分子特征量身定制的精确组合疗法。”

Korkut 表示，未来，这种方法将受益于改进的信息学资源，以更好地将疗法与 RNA 和蛋白质水平的改变相匹配。此外，研究人员计划扩大他们的研究，以更好地解决和预测匹配药物组合的毒性。最后，未来的研究还将寻求解决肿瘤内显着的异质性，这可能会影响对靶向治疗的反应。