癌症是一种受基因变异驱动的复杂疾病，为了深入理解这种疾病的基本生物学特征并发现潜在的治疗干预靶点，识别对癌细胞生存至关重要的基因显得尤为关键。近年来，随着RNA干扰（RNAi）技术和CRISPR基因编辑技术的发展，通过大规模功能性基因筛查，我们已能系统地识别出癌细胞所依赖的关键基因。但是，明确这些癌症依赖性基因与临床相关分子标志物之间的功能性联系依然是一大挑战。近期，威康桑格研究所（Wellcome Sanger Institute）的研究人员开发了一种综合方法，通过构建癌细胞的依赖性图谱（Cancer Dependency Map），并整合多组学数据与蛋白质-蛋白质相互作用网络，来确定在药物开发过程中的优先靶点。这种方法不仅加深了我们对癌症生物学的理解，还为未来的治疗策略的制定提供了指导。
在当前的医疗环境中，许多癌症类型，如肝癌和卵巢癌，仍然缺乏有效的治疗方法。常见的治疗手段（如化疗和放疗）虽然在某些情况下有效，但它们无法精确区分健康细胞和癌细胞。这种不精确性导致治疗过程中出现全身性的伤害，并可能引起一系列严重副作用。
全球癌症死亡率居高不下，平均每六名癌症患者中就有一人因患癌离世。这一现状迫切需要针对特定癌症的致病基因突变开发新的精准药物，这不仅能够为每年被诊断患有不同类型癌症的数百万患者提供帮助，还能够提高治疗的针对性和效率。在人类基因组中，超过2万个基因可能成为潜在的抗癌靶点，但确定哪些基因是特定类型癌症和患者的合适靶点是一项巨大的挑战。
在这项研究中，威康桑格研究所的研究人员及其合作者致力于缩小并确定潜在的药物靶点。通过分析从Cancer Dependency Map项目获得的数据，他们构建了迄今为止最全面的潜在新型癌症靶点图谱。该项目使用CRISPR技术，逐一破坏了930种人类癌症细胞系中的每个基因，以探究它们的功能。
图片来源：123RF
研究人员首先利用机器学习方法来确定不同癌症类型的遗传依赖性，即癌细胞为了生存所依赖的关键基因、蛋白质或细胞过程，这些发现为开发新的治疗方法奠定了基础。接下来，他们将这些遗传依赖性与临床标志物相关联，以确定哪些患者可能从新疗法中获得最大益处。此外，研究人员深入分析了这些依赖性标志物如何融入细胞内已知的分子相互作用网络。这一步骤为理解癌症如何破坏细胞的正常生物学机制提供了重要线索，并揭示了哪些靶点可能为最有效的治疗方案带来希望。
研究人员在论文中写道：“值得注意的是，几乎所有靶点都有相关的标志物，这一点非常重要，因为靶点-疾病适应症之间的遗传证据会使药物在临床开发过程中被FDA批准的概率提高2到4倍。”不过，他们补充说，在许多情况下，针对这些靶点的药物并不会被开发出来，而且不同类型癌症的基因组相关生物标记物的存在情况也不尽相同。
在这项创新研究中，研究人员成功鉴定了27种癌症类型中的370个潜在药物靶点，涵盖了乳腺癌、肺癌和卵巢癌等多种癌症。通过综合分析多层面的功能性和基因组信息，研究人员构建出一个关于癌细胞生长和存活因素的全面图谱。这一成果开辟了探索癌症治疗新机遇的途径，标志着向开发更智能、更有效的新一代癌症疗法迈出的重要一步。
Links
