专家率先绘制“多维组学图谱” 形成乳腺癌精准诊疗策略
乳腺癌已经成为常见的恶性肿瘤类型之一。记者19日获悉，中国多学科专家历时5年，携手绘制出大规模的亚洲人群全乳腺癌多维组学图谱。
据介绍，图谱将既往乳腺癌研究的多个维度生物信息进行深度整合，以寻找对新兴治疗方法敏感的乳腺癌群体；进而利用多模态融合，优化乳腺癌患者复发风险的分层，形成“立体式”精准诊疗策略，为乳腺癌的精准诊疗提供了新思路。
这项新研究成果由复旦大学附属肿瘤医院邵志敏、江一舟教授团队、上海市生物医药技术研究院黄薇教授团队、复旦大学生命科学学院和人类表型组研究院石乐明/郑媛婷团队协同攻关获得。国际肿瘤学顶刊《自然·癌症》在线发表了这项新研究成果。“该研究以临床应用为导向，通过对大规模乳腺癌队列分子特征的系统性描绘与整合分析，为乳腺癌患者管理提供了更精准的策略。”邵志敏教授说。
“越来越多的研究表明，乳腺癌是一种特性复杂的恶性肿瘤。不同乳腺癌患者的肿瘤特性不同，同时治疗效果也有明显差异。‘量体裁衣’已成为当前乳腺癌精准诊治方向。”复旦大学附属肿瘤医院乳腺外科主任兼大外科主任邵志敏教授表示，“这要求我们从多个角度和层面系统性地解析肿瘤的特性，以便进行更精准的个体化治疗。”
既然不同层面的研究已为乳腺癌患者的精准诊治带来曙光。那么，能否将既往各层面的研究成果进行整合，通过不同组学、多维度的信息协同，充分实现“1+1大于2”的“立体式”效果，让乳腺癌患者获益更多？邵志敏教授直言，不同组学维度提供的生物学信息深度整合难度很大，如何利用这些复杂数据指导患者临床诊疗也亟待探索。
基于上述思考，研究团队开展了多组学、多维度的项目研究，并获得多项成果。基于前期的数据库搭建和多模态融合技术，研究人员实现了从微观到宏观的多维信息有机融合，成功构建了基于机器学习的多模态风险分层模型。复旦大学附属肿瘤医院副院长江一舟教授表示，通过多维信息间相互补充，有助于提高模型预测效能。研究成果显示，相比临床常用指标，TMPIC模型能更好地预测乳腺癌患者复发风险，为乳腺癌患者的精准分层提供了有力的工具。TMPIC模型包括：融合转录组(T)、代谢组(M)、数字病理(P)特征及免疫组化分型(I)、临床分期(C)。
据悉，该研究是复旦大学附属肿瘤医院与复旦大学生命科学院表型组研究院共同完成的一项重要成果，展现了高水平研究型大学跨院系“产学研用”密切合作，实现“资源整合-优势互补-共促创新成果”的良性循环。
声明：本文版权归原作者所有，转载文章仅为传播更多信息，如作者信息标记有误，或侵犯您的版权，请联系我们，我们将在及时修改或删除内容，联系邮箱：marketing@360worldcare.com
