新的“年鉴”可以帮助临床医生更好地量身定制癌症治疗

新的“年鉴”可以帮助临床医生更好地针对患者调整癌症治疗
鳞状细胞癌的显微镜图像,一种常见的皮肤癌。学分:洛克菲勒大学马库斯·舒伯(Markus Schober)和伊莱恩·福克斯(Elaine Fuchs)

研究人员开发了一种工具,该工具整合了来自患者和肿瘤的各种分子数据,目的是指导精度医学。

精确癌症医学的承诺是肿瘤学家根据患者的独特分子特征来量身定制治疗。但是,在实践中,解释组成一个人及其癌症的大量数据点具有挑战性,并且只有随着肿瘤学家开始考虑其他复杂功能,才变得更加困难。数据库和肿瘤学家通常会使用通常关注基因组的体细胞或未经膜的蛋白质编码区域的个体改变。它们通常不包括其他重要类型的遗传数据,例如基因中的遗传变异或躯体融合。科学家和肿瘤学家通常还孤立地考虑这些特征,而不是一起或与特征的特征一起考虑全球。

现在,达纳 - 法伯癌症研究所(DFCI)的研究人员和麻省理工学院和哈佛大学的广泛研究所创造了一个这可能有助于改善肿瘤分子特征的解释。该工具称为Moalmanac,称为Moalmanac的分子肿瘤学死亡,并缩写为Moalmanac,整合了来自患者及其肿瘤的不同类型的数据,以鉴定与疾病预后,抗药性或对治疗剂敏感性有关的数据。该平台还可以帮助研究人员找到一个具有类似于单个肿瘤的分子谱的细胞系,以及可以杀死这些细胞或在实验室生长衰落的药物。

Brendan Reardon,Eliezer Van Allen(Broad的副成员,DFCI和哈佛医学院的副教授),同事开发了Moalmanac,并对不同的患者进行了测试。他们发现,与仅分析传统数据的算法相比,它确定了每名患者的两种治疗策略,并提供了更多的临床假设。

在下面的视频中,Reardon和Van Allen讨论了他们平台的优势及其对他们所谓的精确肿瘤学“民主化”的贡献 - 希望有一天,任何医生都可以使用其工具,而不论其地理位置如何或他们拥有的数据。

在视频中,Reardon和Van Allen讨论了其平台的优势及其对他们所谓的精确肿瘤学“民主化”的贡献 - 他们希望有一天,任何医生都能使用其工具,无论其地理位置或他们的地理位置如何他们拥有的数据类型。学分:麻省理工学院和哈佛大学

进一步探索

机器学习工具可以帮助肿瘤学家做出更好的治疗决策

更多信息:Brendan Reardon等人,通过分子肿瘤学的年鉴将分子特征整合到临床框架中,以指导精度肿瘤学,大自然癌(2021)。doi:10.1038/s43018-021-00243-3
期刊信息: 大自然癌

引用:新的“年鉴”可以帮助临床医生更好地调整癌症治疗(2021年10月1日)2022年6月13日从//www.puressens.com/news/2021-10-10-almanac-clinicians-tailor-cancer-wartments.html
本文件受版权保护。除了出于私人研究或研究目的的任何公平交易之外,未经书面许可,不得复制任何部分。内容仅供参考。
72分享

对编辑的反馈