新的生物标志物有助于确定结肠癌的最佳治疗方法

许多 II 期或 III 期结肠癌患者在手术后会接受额外的或辅助性的化疗。然而，临床试验表明，这种治疗并不能提高每个患者的生存几率。2024 年 7 月 25 日发表在《Cell Reports Medicine》上的一项研究确定并验证了一种 10 基因生物标记，该标记可能预测 II 期或 III 期结肠癌患者是否会从辅助化疗中受益。

这项研究的次要发现也可能引发进一步的研究和应用。研究人员发现，基因特征还可能预测免疫疗法是否会对某些患者有帮助——这一点很重要，因为目前尚无明确的指导方针说明哪些结肠癌患者可能从免疫疗法中受益。

这项研究由迈阿密大学米勒医学院西尔维斯特综合癌症中心的研究员 Steven Chen 博士领导，为进一步的研究奠定了基础，未来可以让患者和医生做出个性化的治疗决策。

说到精准肿瘤学，就意味着要利用单个患者的信息（这里我们特别指的是患者的生物标志物）来指导医生做出临床决策，确定哪种治疗方法最适合患者。理想情况下，我们只希望对能从中受益的患者实施辅助化疗。对于没有反应的患者，我们仍然需要寻找其他有效的治疗方法。

Steven Chen 博士，迈阿密大学米勒医学院西尔维斯特综合癌症中心研究员

作为一名数据科学家，陈将机器学习和人工智能应用于癌症研究，主要关注结直肠癌和乳腺癌。

科学家此前曾发现生物标记物可以帮助医生预测患者的生存曲线或了解癌症的侵袭性。陈说，这些标记物很有用，但无法帮助指导治疗。

因此，他与范德比尔特大学和纪念斯隆凯特琳癌症中心的合作者开始寻找一种基因特征，即一组特定的基因，其组合表达模式可以作为生物标志物。

结肠癌患者的肿瘤具有许多不同的基因组图谱，因此研究团队从六个公开来源汇总了基因表达谱，创建了一个包含 933 名患者的数据集，使其成为 2 期和 3 期结肠癌最大的基因表达数据集之一。

该团队的数据科学家精心策划并执行质量控制，以确保他们能够识别出准确的基因特征来预测化疗反应。

他们还希望基因标记具有实用性，并且只包含少量基因。他们利用机器学习构建了一个包含数千个潜在相关基因的网络，并首先将其缩小到 18 个基因网络，然后缩小到 10 个基因。

一旦他们确信这 10 基因网络具有生物学相关性，他们就建立一个模型来分析基因特征，以预测哪些患者将受益于辅助化疗。

接下来，该团队希望测试其基因特征的准确性。陈教授表示，拥有一支跨学科团队对于这一步至关重要。“与外科医生、肿瘤学家和生物学家密切合作可确保我们的研究结果可靠、具有临床相关性，并能有效地转化为实践。”

研究小组的数据科学家通过将基因特征与数千个随机的 5 到 15 个基因网络的结果进行比较，测试了基因特征的预测能力。在预测患者是否会从化疗中获益方面，基因特征的预测能力明显更好。

外科医生和肿瘤学家收集了 109 名 2 期和 3 期结肠癌患者的肿瘤组织样本，以及患者对辅助化疗的反应信息。

使用这些样本进行的测试进一步验证了该模型：研究发现，根据基因特征预测可从化疗中受益的患者的“生存结果明显好于预测不会受益的患者的生存结果”。

陈希望该团队的生物标志物有一天能够用于帮助患者，但在应用于临床之前还需要几个步骤。

“为了真正应用于临床，我们需要进行前瞻性临床试验，”他说。“这意味着我们招募患者并应用这种生物标记物来观察它是否真的有效。”

该研究由西尔维斯特资助，旨在实现将数据科学转化为现实世界利益的目标。

他说：“我希望我们发现的每一项研究成果都能改善临床决策并最终帮助癌症患者。”