Skip Navigation

利用“细胞社交网络”解密癌症

  • Unlocking Cancer’s Secrets Using the Social Networks of Cells


    利用“细胞社交网络”解密癌症

  • 2018年5月9日——美国马萨诸塞州波士顿讯

    就像市场营销专家通过分析社交网络来进行广告投放那样,我们能否也对癌症细胞的基因网络(genetic networks in cancer cell)进行分析,从而开发新的药物靶点呢?一项新的计算机程序利用社交网络分析工具来追踪基因之间的颤动,就像智能手机屏幕上的推文推送一样,这些基因的颤动会泵发出蛋白质。

    亚利桑那大学癌症中心生物信息学共享资源项目(UA Cancer Center Bioinformatics Shared Resource)主任、分子和细胞生物学副教授Megha Padi博士(Megha Padi, PhD)开发出了一款名为ALPACA的计算机算法。 ALPACA展示了一个消亡细胞里有哪些经启动的基因网络。故此,对于多种疾病来说,该算法可以帮助完善相应的疗法。Padi博士的研究发表在4月19日公开获取的《自然合作期刊——系统生物学及应用》(Nature Partner Journal Systems Biology and Applications)网络版上。

    Padi博士是该研究的第一作者,当她还是丹娜—法伯癌症研究所(Dana-Farber Cancer Institute)的一名博士后时,她就与John Quackenbush博士(John Quackenbush, PhD)一起着手这项研究。

    通常在对比健康细胞和肿瘤细胞时,癌症科研人员着重于具体的基因上,但这种方法并不能完全地解释这些对比背后引发癌症的机制。

    Padi博士说: “就像汽车一样,你可以轻松地拿到一份汽车零件的清单,但只有当你明白所有的零件是如何一环扣一环地连接在一起时,你方能得知驱动车辆移动的力量是什么” 。

    相应的,研究在一个大的网络框架下基因是如何互相作用的显得尤为重要。就像分析构成社交网络里熟人之间的关系那样,Padi博士正在对这些基因社群进行同类分析。

    正如社交网络里的人一样,一个社群里的基因之间也会互相交流。在一个健康细胞里,基因社群就像工人一样有序地作用,一起对原材料进行细胞生长所需的加工、产出,。而在一个消亡细胞里,生产线上错误的传导则导致了残次品的产出。

    在一定时间范围内,对基因对话如何变化进行追踪,或许可以提供癌症是如何生成的线索。利用研究社交网络的工具,科研人员可以分析这些对话。

    Quackenbush博士说: “(一个社交网络)和你的朋友与家人形成的圈子类似,你会经常跟他们通电话或发短信。然而在某一天,当你没有跟任何一位通话时,这个圈子内或许会有很多你意想不到的一对一的联系” 。

    他还补充道:“同样的,我们看到基因调控网络(gene regulatory networks)组成了基因社群。在健康和消亡个体之间,这些社群里发生的“对话”模式会有所改变。在研究如何在疾病中识别细胞的“社交网络” 上,ALPACA是目前开发出来的第一个方法。由此,我们或许可以发现癌症形成的线索” 。

    为了解开癌症诱因的神秘面纱,科学家面临的挑战是寻找健康细胞里的基因社群与消亡细胞基因社群的差异,而非寻找个体基因之间的差异。然而,比较不同的基因社群说起来容易做起来难,因为基因预示着癌症有成千上万个互动组成,需要逐个分析。科研人员对这些互动结果所画的图标称为“毛团(hairball)”。

    Padi博士称: “为了制作一个简单易懂的图示,科学家们需要用计算机来检测肿瘤细胞里的 “毛团” 扭曲生长的细微途径” 。

    下一步则是科学家需要在实验室里对可进一步探究的备选药物进行检验。

    Quackenbush博士表示: “我们希望学以致用,来开发出新的帮助预防和治疗疾病的策略” 。

    在利用ALPACA帮助那些目前疗效甚微的患者开发新的疗法这一点上,Padi博士表现出格外的兴趣。通过区分无法用药物治疗的癌症(也称化疗耐药性肿瘤,chemoresistant tumors)与化疗敏感性肿瘤(暨可以用药物治疗的肿瘤),研究人员或许可以锁定一个 “坏家伙”云集的基因社群,也就是说,这种遗传途径(genetic pathways)或许可用定制化药物来进行靶向定位。

    ALPACA的社交网络分析是一种创新型工具的用法,它常常与市场营销学(marketing)紧密联系在一起,而非医学研究。

    Padi博士表示: “网络科学家通常会提出这样的问题,如Twitter或其它传播渠道是如何扩散信息的。实际上,我们问的问题却大相径庭,比如我们很好奇在不同类型的肿瘤里,这些基因的社交网络是如何互相作用的。这种类型的研究之所以罕见,是因为大多数人并不会在同一时间内兼顾两个领域的研究工作” 。

    Padi博士和Quackenbush博士所用的数据库是在患者同意的基础上,由他们提供的匿名数据而开发的。该研究基金来自于美国国立卫生研究院(NIH),项目编号为K25 HG006031、R01 HL111759 及 R35 CA197449。

    媒体联络

    阁下若有媒体联络需求,敬请致电617-632-4090,请阁下指明与媒体团队洽谈;或请发邮件至media@dfci.harvard.edu