摘要：研究人员利用先进的计算分析技术，发现了近800个直接影响生存结果的基因变异。他们还发现了95个与乳腺癌、卵巢癌、皮肤癌和胃肠道癌等癌症生存显著相关的基因。

由南加州大学计算机科学助理教授 刘瑞山领导的一项开创性研究 揭示了特定基因突变如何影响癌症治疗结果——这些见解可以帮助医生更有效地定制治疗方案。

这项研究是同类研究中规模最大的，分析了20种癌症类型中超过7.8万名癌症患者的数据。患者接受了免疫疗法、化疗和靶向疗法。

研究人员利用先进的计算分析技术，发现了近800个直接影响生存结果的基因变异。他们还发现了95个与乳腺癌、卵巢癌、皮肤癌和胃肠道癌等癌症生存显著相关的基因。

基于这些见解，该团队开发了一种机器学习工具来预测晚期肺癌患者对免疫疗法的反应。

“这些发现凸显了基因分析在个性化癌症治疗中发挥的关键作用，”刘教授说道。“通过了解不同突变如何影响治疗反应，医生可以选择最有效的治疗方法——从而有可能避免无效的治疗方法，并专注于那些最有可能有效的治疗方法。”

该研究发表在 《自然通讯》上， 强调了 TP53、CDKN2A 和 CDKN2B 等基因在影响治疗结果方面的关键作用，并通过真实数据验证了这些关联。

该研究的共同作者包括 Genentech 的 Shemra Rizzo、Lisa Wang、Nayan Chaudhary、Sophia Maund 以及 Sarah McGough 和 Ryan Copping；罗氏公司的 Marius Rene Garmhausen；以及斯坦福大学的 James Zou。

为什么突变很重要？

基因突变（DNA变化）会影响癌症的发展以及患者对治疗的反应。有些突变是随机发生的，而有些则是遗传的。

在癌症中，突变可以决定肿瘤是否更具侵袭性，或者它对某些治疗的反应如何。如今，基因检测在癌症治疗中越来越广泛地用于

识别这些突变，从而使医生能够更精准地选择治疗方案。

例如，被诊断患有非小细胞肺癌 (NSCLC) 的患者通常会接受 KRAS、EGFR 和 ALK 等基因突变的基因组检测，以确定靶向疗法或免疫疗法是否有效。

该研究的主要发现包括：

• 晚期非小细胞肺癌的 KRAS 突变与对常见治疗（EGFR 抑制剂）的反应较差有关，这表明可能需要替代疗法。

• NF1 突变改善了对免疫疗法的反应并降低了对某些靶向疗法的反应，凸显了它们在治疗中的复杂作用。

• PI3K 通路突变（调节细胞生长）的影响因癌症类型而异，对乳腺癌、黑色素瘤和肾癌的反应不同。

• DNA 修复通路突变通过增加肿瘤不稳定性提高了肺癌的免疫治疗效果。

• 免疫相关通路的突变与接受免疫治疗的肺癌患者的生存率更高相关，这表明并非所有突变都会阻碍治疗成功。

强大的预测工具

虽然癌症治疗传统上采用一刀切的方法，即患有同一类型癌症的患者接受相同的标准治疗，但这项研究强调了精准医疗的重要性，精准医疗根据患者独特的基因构成定制治疗方案。

然而，尽管存在大量的突变数据，但只有少数突变具有经过临床验证的治疗方法，这限制了其潜在的现实世界影响和患者获益。为了弥补这一差距，刘的团队基于他们的研究成果，利用机器学习来分析多种突变如何相互作用以影响治疗结果。

他们开发了随机生存森林 (RSF) 模型，这是一种旨在改进肺癌患者治疗建议的预测工具。通过将大规模真实世界数据与机器学习相结合，该模型识别出了新的突变-治疗相互作用。

“我们的目标是找到那些乍一看可能并不明显的模式，然后将这些见解转化为现实世界的工具，以扩大癌症患者获得免疫治疗的机会，”Lui 说道。“一项关键的创新在于将海量数据与先进的统计和机器学习技术相结合，以揭示此前未被发现的突变与治疗之间的相互作用。”

虽然还需要进一步的临床试验，但刘认为这项研究是朝着使癌症治疗更加精准和个性化迈出的重要一步。

“这项研究展现了计算科学在将复杂的临床和基因组数据转化为可操作见解方面的强大力量，”她说道，“能够为能够直接改善患者护理的工具和知识做出贡献，我感到非常有成就感。”

来源：饭盒尽头的幽灵