研究人员首次能够识别出至少三种不同的骨肉瘤亚型，这可能会彻底改变临床试验和患者护理。尽管基因测序以前帮助揭示了乳腺癌或皮肤癌等其他癌症的不同亚型，这些患者随后会接受针对其癌症亚型的个性化治疗，但对骨肉瘤（一种主要影响儿童和青少年的骨骼癌症）来说，这一直是个难题。
现在，由东英吉利大学领导的研究项目能够使用称为“潜在过程分解”（Latent Process Decomposition, LPD）的先进数学建模和机器学习技术，利用患者的基因数据将其分类为不同的亚组。此前，所有患者都会被归为同一类，并使用相同的治疗方案，结果非常不一致。
这项研究发表在《生物信息学简报》上，题为“贝叶斯无监督聚类识别临床上相关的骨肉瘤亚型”。该研究的主要作者、东英吉利大学诺里奇医学院的Darrell Green博士表示：“自20世纪70年代以来，骨肉瘤一直使用未靶向的化疗和手术治疗，有时会导致肢体截肢以及化疗带来的严重且长期的副作用。过去50多年中，多项国际临床试验调查了骨肉瘤的新药物，但都被认为‘失败’了。”
“这项新研究发现，在每次所谓的‘失败’试验中，对新药物有小部分反应率（约5%到10%），这表明存在对新治疗有反应的骨肉瘤亚型。这些新药物并不是完全‘失败’，而是对所有骨肉瘤患者并不都有效，但对于特定患者群体可能成为新的治疗方法。我们希望未来使用这种新算法分组患者，能够在临床试验中取得成功，这是50多年来首次实现。当患者可以使用针对其癌症亚型的靶向药物进行治疗时，这将促进从标准化疗的转变。”
骨肉瘤的生存率在过去45年中一直停滞在约50%。这主要是因为尚未完全了解骨肉瘤的不同亚型，以及肿瘤周围的免疫系统如何影响肿瘤，或是什么导致癌症抵抗治疗或扩散到身体其他部位。科学家尚未确定可以帮助预测患者预后或其对治疗反应的关键生物标志物。这些知识空白阻碍了提高生存率的进展。
此前，研究人员尝试使用某些计算机方法预测不同类型的骨肉瘤，这表明存在不同的癌症亚型。虽然这是一个重要的进展，但这并没有完全考虑到每个骨肉瘤肿瘤各部分之间可能存在的巨大差异。这些模型还假设每个肿瘤可以整齐地归入一个特定的组，即使肿瘤通常由许多不同类型的癌细胞组成。这种肿瘤内的变异使得准确预测癌症的行为或对治疗的反应变得更加困难。
在这项研究中，研究人员使用了一种更先进的方法——潜在过程分解（LPD），该方法考虑了个体肿瘤内部的差异。与早期方法不同，LPD将肿瘤视为基因活性中隐藏模式的混合体。这些隐藏模式代表了肿瘤的不同“功能状态”，每种状态都有其特定的基因表达模式。LPD方法确定了描述特定肿瘤所需的各种模式的数量。研究发现了三种骨肉瘤疾病亚型，其中一种亚型在接受标准化疗药物组合MAP治疗时反应较差。通过基于这些模式对患者进行分组，医生可以做出更明智的治疗决策。
研究人员承认，研究的关键限制包括用于LPD模型开发的小数据集，以及验证队列中不完整的临床数据。由于病例稀少、有限的活检材料以及治疗后样本中存在的广泛化疗相关损伤，获取骨肉瘤组织和相关临床数据特别具有挑战性。尽管如此，LPD方法被证明是可靠的，因为它在四个不同的独立数据集中识别出了一致的骨肉瘤亚组。像任何机器学习工具一样，随着更多数据的添加，结果会变得更好。
最近，Green博士领导制定了新的指南，以改善欧洲范围内骨癌样本和临床数据的收集。这意味着在未来几年内，研究人员可能能够进一步完善LPD模型，并发现更具体的骨肉瘤亚型。
(全文结束)
