新模型有助识别导致癌症的突变

本文转自：科技日报

科技日报记者 张梦然

美国麻省理工学院研究团队建立了一个新的计算机模型，可快速扫描癌细胞的整个基因组，并识别出比预期更频繁发生的突变——这表明它们正在推动肿瘤的生长。研究论文发表在《自然·生物技术》上。

在新研究中，研究人员发现了基因组中的一些突变似乎有助于5%到10%的癌症患者的肿瘤生长。研究人员说，这些发现可帮助医生确定更有可能成功治疗这些患者的药物。目前，至少30%的癌症患者没有可用于指导治疗的可检测驱动突变。

研究人员此次训练了一种深度神经网络计算模型，以搜索癌症基因组中发生比预期更频繁的突变。他们使用来自37种不同类型癌症的基因组数据训练模型，这使模型能确定每种癌症的背景突变率。

该模型的真正好处在于，只需针对给定的癌症类型对其进行一次训练，它就可同时了解该特定癌症类型的基因组各处的突变率。使用这个模型，麻省理工学院团队扩展了已知可能导致癌症的突变数量。目前，当对癌症患者的肿瘤进行致癌突变筛查时，大约三分之二的时间会出现已知的驱动因素。麻省理工学院研究的新结果为另外5%到10%的患者提供了可能的驱动突变因素。

研究人员还发现许多神秘的剪接突变似乎会破坏肿瘤抑制基因。当这些突变存在时，肿瘤抑制因子会被错误地剪接并停止工作，并且细胞会失去其对癌症的防御。神秘剪接位点的数量约占肿瘤抑制基因中发现的驱动突变的5%。

研究人员说，针对这些突变可催生出潜在治疗这些患者的新方法。

使用这一模型，团队研究了已知的常见突变是否也可能导致不同类型的癌症。结果发现，以前与黑色素瘤有关的BRAF基因也有助于较小比例的其他癌症的进展，包括胰腺癌、肝癌和胃食管癌。

这些结果可帮助指导临床试验，以将这些药物从仅在一种癌症中获得批准，扩大到在多种癌症中获得批准，从而帮助更多患者。