新的分析工具，旨在帮助指导精确的肿瘤发现和治疗

最近，对多种癌症类型的分子数据进行大规模分类的努力已经获得了如此多的信息，以至于研究人员现在有了一个新的问题:如何将所有这些数据转化为指导癌症研究和病人护理的有意义的信息。

密歇根大学Rogel Cancer Center研究人员开发的一个新的分析工具结合了多个数据集来帮助筛选来自噪声的信号。

“我们的想法是结合三个数据集来源 -分子数据从两个癌症细胞系和病人药物分析数据 - 了解这些肿瘤最具代表性的适当的临床前模型，“Michigan大学公共卫生学院生物托管学教授，博士博士博士说，博士学位，博士学位发表在临床肿瘤临床癌症信息学杂志CHINESE这就是这个新工具的描述。

称为Transprecise的工具，使用来自31种癌症类型的7,714名患者样品的数据，作为癌症蛋白质组图集的一部分收集。这与640相结合癌细胞系来自MD安德森细胞系项目和来自癌症药物敏感性基因组学模型系统的481种药物的药物敏感性数据。

“好处是这是一个非常动态的过程。我们可以在计算机中设立这个整个系统。随着新患者进入或新数据进来，您可以继续添加它，”卢比Bhattacharrya，M.Stat说。“，博士生和纸上的第一个作者。

该工具在较早的模型上构建了团队创建的，它们称为精确。随着精确的药物，他们创建了一种模型，以查看个体患者个体肿瘤的分子结构发生的变化。Transprecise增加了来自细胞系和药物敏感性的数据，这将有助于转化癌细胞生物学的研究人员药物发现。

“现在我们有成千上万的患者肿瘤，我们可以评估这些药物的潜在治疗效率。关键的想法是开发一个分析工具，”Baladandayuthapani也是如此Rogel Cancer Cent的癌症数据科学共享资源。

在JCO临床癌症信息纸中，研究人员验证了工具通过比较患者资料中的已知药物反应和临床结果。transrecise识别了个体肿瘤之间的蛋白质差异，并准确地将其与实际患者的预后联系起来。此外，他们还研究了几种预测潜在药物靶点的途径。这一结果反映了目前的治疗建议或正在测试的目标临床试验，如易生尼乳癌的伊布洛替尼，以及结肠癌的Lapatinib。

“我们有如此多的数据，我们如何深入研究，使其更有信息，以便肿瘤学家能够理解?”我们的工作可能会帮助肿瘤学家或研究人员基于起作用的机制建立具体的假设，可能会带来值得更多评估的顶级药物，”Baladandayuthapani说。