发文|nagashi

　　癌症，一直是人们病症有史以来较大的噩梦之一，因其多元性和难痊愈性也被称作“万病之首”。即便 是在医疗技术迅猛发展的今日，一提及癌症，大伙儿也一直顺理成章地把它和身亡联络到一起，尤其是末期癌症。

　　为了更好地找寻痊愈癌症的方式，专家通常会在试验室自然环境中塑造各式各样的癌细胞系，并实验不一样药品对这种癌细胞系的破坏力功效。特别注意的是，许多科技人员根据不一样的方式去获得癌细胞系，但非常少人去认证这种癌细胞系是不是恰当，是否有被搞混。

　　近日，英国约翰霍普金斯高校医科院的研究工作人员在GenomeMedicine刊物上发布名为：Evaluatingthetranscriptionalfidelityofcancermodels的研究毕业论文。

　　此项研究根据找寻或改善癌症试验室研究模型的核心理念，开发设计出了一种新的、自我学习的电子计算机模型——CancerCellNet，用于考量不一样癌症研究模型与原生态肿瘤相似度。研究数据显示，在几类常见的肿瘤研究模型中，在细胞培养皿中生长发育的人们癌细胞系在遗传基因上与人体内的癌细胞最不类似，基因工程技术小鼠和三维类肿瘤模型与人体内的癌细胞具备高些的相似度。

　　搭建癌症模型是研究癌症分子生物学和鉴别潜在性的治疗方法的关键方法，在其中最时兴的模型方法是癌细胞系（CCLs）、基因工程技术小鼠模型（GEMMs）、人源肿瘤不一样的移殖模型（PDXs）和三维类肿瘤模型（tumoroids）。

　　模型的广泛性和工作能力来自于它所意味着的肿瘤种类的高保真。因而，无论是哪一种模型，正常情况下都需要尽可能与病人身体相匹配的癌症种类同样或相仿。殊不知，缺憾的是，很多研究者对不一样癌症模型与相匹配原生态肿瘤的相似度却不是很清晰。

　　在此项研究中，研究精英团队以体细胞中的RNA为研究目标开发设计了一种根据深度学习的电子计算机模型——CancerCellNet。

　　通讯作者PatrickCahan表示，RNA是一种很好的体细胞种类和体细胞真实身份的替代品，它是决策试验室塑造的体细胞是不是与人们体细胞类似的重要。RNA表述数据信息是十分规范化的，且不太非常容易遭受基因变异的危害而搞混了研究結果。

　　CancerCellNet是根据RNA信息内容的、可自我学习的电子计算机模型

　　为了更好地搭建CancerCellNet，研究精英团队务必挑选一组规范数据信息做为较为研究模型的基准线。对于此事，她们从TCGA数据库查询中获得了有关数据信息，在其中包括了百余例病人肿瘤样版的RNA表述信息内容，及其相对应的分期付款、等级分类等肿瘤信息内容。

　　接着，研究工作人员对CancerCellNet专用工具进行检测，并将其运用到已经知道肿瘤种类的数据信息中，比如来源于国际性人们基因组测序同盟的数据信息。

　　CancerCellNet专用工具的搭建、检测和训炼

　　研究精英团队整理了癌症基因图普的数据信息，明确了22种能够研究的肿瘤种类。她们应用基因图普数据信息做为较为RNA表述数据信息的基准线，这种数据信息来源于世界各国试验室塑造的657个癌细胞系，415个不一样的移植物，二十六个基因工程技术小鼠模型和131个类肿瘤模型。

　　值得一提的是，研究精英团队还应用0-1得分方式对不一样肿瘤模型与原生态肿瘤的相似度开展评定。研究工作人员发觉，癌细胞系的均值得分要小于不一样的移植物、基因工程技术小鼠模型和类肿瘤模型。

　　通讯作者PatrickCahan表示，癌细胞系在遗传基因上比别的模型差或许并不怪异，因为生长发育自然环境中间的繁杂差别，在试验室中生长发育的癌细胞系与人们来源于的癌细胞不太同样。也就是说，一旦将肿瘤从其地理环境中取掉，细胞株就早已逐渐产生变化！

　　运用CancerCellNet专用工具对不一样癌症研究模型开展得分

　　比如，研究精英团队发觉，来源于PC3的男性前列腺癌细胞在遗传基因上逐渐看上去更像前列腺癌。这也是有可能是细胞株最开始标识不正确，或是该细胞株事实上是以前列腺癌中获取的。但不管怎样，仅从遗传基因的视角看来，这一男性前列腺癌细胞系并不可以意味着典型性的前列腺肿瘤病人。

　　基因工程技术小鼠和类肿瘤比病人来源于的不一样的移植物和癌细胞系具备高些的基因表达高保真

　　总得来说，该研究开发设计了CancerCellNet专用工具以纪录与当然肿瘤具备较大基因表达高保真的癌症模型，并发觉了与注解的归类不配对的癌症模型。根据较为不一样方式的模型，在常见的几类肿瘤种类中，基因工程技术小鼠和三维类肿瘤模型比人源不一样的移殖模型和癌细胞系具备高些的基因表达高保真。

　　因而，科技人员在运用癌症模型以前要谨慎挑选，这可能是决策你试验成功与失败的重要！

　　毕业论文连接：

　　https://genomemedicine.biomedcentral.com/articles/10.1186/s13073-021-00888-w