使用基因表达数据将实验室癌症模型与真实肿瘤进行比较

从肿瘤细胞生长并在实验室条件下种植的癌细胞系是癌症研究的主要原因。它们为癌症基因组学和生物学提供有价值的见解，但由于几种原因，科学家们往往努力将基于细胞系的实验与互补肿瘤的实验的数据进行比较，或者选择用于模拟特定肿瘤类型的最佳细胞系。

为帮助指导这些选择，艾莉森沃伦，Aviad Tsherniak，James McFarland和癌症依赖地图（DepMap）团队的其他成员开发了一种有助于匹配肿瘤和细胞系的计算工具基因表达分析数据。

因为细胞系在实验室中生长，通常几十年来，它们并不完全反映他们应该模拟的肿瘤。例如，线可以表达基因或含有在患者肿瘤中未见的突变，这可以改变它们如何应对抗癌药物。与此同时，肿瘤是包含许多人的复杂混合物细胞类型，而细胞系通常只有一个。

Cellinger通过比较和校准患者肿瘤和细胞系RNA测序数据(揭示了细胞中哪些基因在某个时间点是活跃的)纠正了这些差异。通过使用Celligner比较来自超过12000个病人肿瘤的数据和由癌症细胞系百科全书、癌症基因组图谱、TARGET和其他项目收集的超过1200个细胞系，该团队能够:

• 测量特定细胞系模仿肿瘤的程度，特别突出强-弱细胞系/肿瘤匹配;
• 确定哪些新的、更有代表性的细胞系或其他模型是最需要的肿瘤类型(如甲状腺癌和脑癌);和
• 揭示一套细胞系具有独特的表达特征，可能代表转移过程的早期步骤。

他们的完整研究结果发表在自然通讯。

“这个领域的一个目标是拥有一个反映所有人类肿瘤的癌症模型集合，”布洛德癌症项目(Broad’s cancer Program)的科学家、DepMap团队的科学主任杰西·波姆(Jesse Boehm)说。“现在，有了Celligner，我们可以开始衡量我们的进展，并专注于新的努力来缩小差距，改善我们对分子预测的解释，以造福真正的患者。”

---

---