癌症分子亚型的现状及临床应用趋势
癌症是一大类遗传疾病，目前主要按其起源部位分类，如脑癌、乳腺癌和肺癌。然而，并非所有器官的癌症都是相同的，癌症之间和癌症内部存在遗传异质性。造成这种异质性的一个主要原因是基因组的不稳定性，它可以在单核苷酸水平上起作用，或者在更大的尺度上起作用。这对目前适用的靶向治疗有效性提出了重大挑战，并使未来治疗策略的发展复杂化。因此，有必要将癌症按照分子亚型分类，并允许亚组特异性疗法的发展。
传统癌症分类是由病理学家根据组织学外观和生长部位进行的。这只是部分反映了癌症的异质性特征。全基因组分析技术的最新进展使研究人员能够生成大规模的基因组数据，并将癌症分类为更同质的组。基因组数据已用于许多癌症亚型研究，包括白血病、淋巴瘤、鼻咽癌、乳腺、肺、肝脏、胰腺、结肠和软组织肉瘤。各种机器学习算法也被开发出来，以更好地预测癌症亚型。分子分型研究允许将癌症划分为统一的组，与传统的癌症分类相比，这些组与临床结果的相关性更好，从而为癌症治疗提供诊断、预后和治疗选择。
本次要说的综述《Molecular subtyping of cancer: current status and moving toward clinical applications》就专门针对癌症分子亚型的现状及临床应用趋势进行展开。在“癌症分子分型”部分，首先介绍了用于癌症分型的两种技术:微阵列和RNA测序(RNA-seq)。其次，介绍了其他三种常用的生成低通量和中通量分子数据的技术：定量聚合酶链式反应(qPCR)、纳米串(NanoString)和组织芯片(TMA)，以及它们在临床试验中的应用。
此外，也对子类型的识别和特征进行了讨论。目前，癌症分子亚型研究流程（图1）主要包括四个步骤: (1)数据预处理。阵列数据预处理包括图像分析、数据归一化和变换。下一代测序数据预处理包括以下几个步骤:质量控制、读取比对、表达量化、数据归一化和转换。(2)聚类分析。聚类通常应用于特征维度或样本维度，在两个维度上进行聚类，在三维(特征、样本和时间)上进行三聚类。(3)监督分类。各种算法，如PAM, SVM，随机森林(RF)和k近邻可以用来构建分类器。(4)子类型特征。热图用于表示分子特征，其中行为特征(基因、miRNA、通路等)，列为样本。在这里，特性是子类型特定的特性;样本根据它们的子类型编号进行排序。
图1 癌症分子亚型研究流程
在“走向临床应用”部分，阐述了癌症分型研究在诊断、预后、预测治疗反应和药物设计方面的潜在临床应用。在“挑战”部分，确定并描述了癌症分子分型中可能妨碍临床实施的四个主要挑战（图2）。第一个挑战是数据采集、管理和管理。来自ICGC、TCGA和GEO等公开数据集的数据可以增加样本量或用作验证数据集。低肿瘤细胞可以通过物理和虚拟显微解剖来解决。第二个挑战是TME异质性。TME包括免疫细胞、血管、成纤维细胞和ECM，它们都在一定程度上表现出异质性。第三个挑战是缺乏共识的分子亚型。目前，我们只有三个共识亚型研究的例子:结直肠癌、乳腺癌和TCGA的泛癌症研究。最后一个挑战是单样本分类问题，例如不一致的分类结果。
图2 癌症分子亚型研究所面临的4大挑战和相关解决方法
异质性使得癌症不仅仅是一种疾病，这对传统癌症治疗提出了重大挑战。随着癌症全基因组分子分析的出现，特别是高通量分析技术的进步，研究人员可以研究癌症中存在的基因组和表观基因组变化的集合。与传统分类方法相比，分子分类可用于将癌症划分为具有不同分子特征、肿瘤生物学和临床表现的亚组。
癌症分子分型最重要的一步是聚类分析。不同的聚类方法会产生不同的结果，许多聚类分析是不稳定的，因为聚类分析是一种纯粹的探索性方法。很难说哪种算法更好，因为这在很大程度上取决于提出的问题。因此，确定数据的适当预处理和规范化是很重要的。此外，在进行聚类分析时，应该考虑集成和共识聚类方法。另一个重要步骤是子类型特征。所确定的亚型应具有统计学意义和生物学相关性。这意味着分子和临床数据的收集是必须的，以真正表征已识别的亚型。另外，可以使用公开可用的数据集来评估分类器的分类性能。
虽然已经进行了大量的分子分型研究，这些研究已经确定了各种癌症类型的亚型，但目前癌症患者的分层仍然主要依赖于传统的组织病理学观察和评估。我们正面临着一些挑战(图2)。研究结果(已确定的亚型)和临床应用之间的差距可以通过改进统计方法和更好地解释结果来弥补。当癌症被正确地分为不同的亚型时，下一个重要的步骤是从生物学的角度正确地解释这些确定的亚型，然后转向临床应用。
总之，癌症不应作为单一疾病来治疗。分子分型可以识别不同的癌症亚型，这可能会为癌症患者的治疗策略提供新的线索。在成功应用于临床之前，许多挑战亟待解决。
参考文献
[1] Zhao L, Lee VHF, Ng MK, Yan H, Bijlsma MF. Molecular subtyping of cancer: current status and moving toward clinical applications. Brief Bioinform. 2019;20(2):572-584. doi:10.1093/bib/bby026
以往推荐如下：
5. EMT标记物数据库：EMTome
8. RNA与疾病关系数据库：RNADisease v4.0
9. RNA修饰关联的读出、擦除、写入蛋白靶标数据库：RM2Target
转载本文请联系原作者获取授权，同时请注明本文来自张俊鹏科学网博客。
链接地址：https://m.sciencenet.cn/blog-571917-1379677.html?mobile=1
收藏
