近年来，癌症精准医疗备受瞩目。为患者量身定制个性化治疗方案，是肿瘤专家们孜孜以求的。

日前，密歇根大学罗盖尔癌症中心的研究人员开发了一种新的分析工具，它结合了多个数据集，从庞大的信息中做筛选，以指导癌症研究和治疗。

该工具称为TransPRECISE，使用了来自癌症蛋白质组图谱中收集的31种癌症类型的7714名患者样本的数据。他们将这些数据与来自MD 安德森细胞系项目的640个癌细胞系及典型癌症模型系统中药物敏感性基因组学的481种药物的药物敏感性数据相结合。

图示：多种癌症类型所涉及的多种途径(来源：Michigan Medicin)

密歇根大学公共卫生学院生物统计学博士Veerabhadran Baladandayuthapani说：“我们希望综合来自癌症细胞系、患者和药物分析的三个数据集，来了解最能代表这些肿瘤的正确的临床前模型。”

好在，这是一个非常动态的过程。整个系统安装后，随着新患者或新数据的增加，相应的数据也可以继续增加。

该工具基于研究团队创建的早期模型“PRECISE”。他们着眼于精准医学，创建了一个模型来研究患者个体肿瘤的分子结构发生了什么变化。TransPRECISE增加了来自细胞系和药物敏感性的数据，有助于将癌细胞生物学转化为药物发现。

Rogel癌症中心癌症数据科学共享资源主任Baladandayuthapani博士说：“现在，这些病人涉及成千上万的肿瘤，我们可以评估这些药物的潜在治疗效果。关键在于开发一种分析工具来实现。”

研究人员通过比较患者数据中已知的药物反应和临床结果来验证该工具。TransPRECISE可识别各个肿瘤之间蛋白质的差异，并将其准确地与患者的实际预后联系起来。此外，他们研究了几种预测潜在药物靶标的途径。这产生了与当前治疗建议或临床试验中正在测试的目标相似的结果，例如伊布替尼(Ibruutinib)治疗BRCA阳性乳腺癌，拉帕替尼(Lapatinib)治疗结肠癌。

Baladandayuthapani博士表示：“我们拥有海量数据，通过这个分析工具可以对其进行深入研究以使之更具参考价值，以便肿瘤学家能够理解，从而做出更好的治疗选择。”

条条大路通罗马，另一群科学家对此展开了不同的探索。

13年前，来自印度的电子工程师兼生物学家Shireen Vali博士与Taher Abbasi博士开始了一项开创性的工作，试图通过计算机模拟来预测药物的疗效。他们的研究成果“肿瘤治疗应答指数检测(TRI)”产品目前已被全球肿瘤学家评估使用。TRI通过人工智能驱动的生物模拟，分析可能的治疗方法，并进行排名，帮助医生为癌症患者选择最有效的治疗方法。

Abbasi博士表示：“癌症治疗的个性化至关重要。在癌症中，每个病人的基因组特征都是完全不同的。在这种情况下，一种放之四海而皆准的方法是行不通的。而我们的技术，可以在试验药物用于人体测试之前，识别出可能对试验药物有良好反应的患者。现实中，大多数癌症疗法只对某些患者有效，我们可以运用建模能力来预测要靶向什么受体?要靶向什么指征?有多少比例的人会有反应?为临床试验选择可能的反应者，以及挽救药物或改换药物用途。”

目前，TRI正在扩展新的癌症适应症和药物种类，以解决临床未竟的需求。

Cellworks Group已与好医友达成战略合作，授予TRI在华独家代理权。目前，已有多名治疗本已陷入绝境的癌症患者，受益于TRI。