改进肿瘤模型的个性化癌症治疗

癌症是一项全球性的重大挑战，由于人口老龄化和增长，其影响预计将进一步加剧。研究人员认识到，诊断和治疗致命癌症的新方法，包括确定治疗癌症的新药，对于遏制这种疾病日益增长的影响至关重要。

虽然数十年的研究投资导致患有癌症的大量改善，但仍然是识别改善结果的新药仍然存在关键挑战癌症患者，特别是肿瘤已经扩散到全身的癌症。

在APL生物工程，通过AIP发布，研究人员建议识别主要障碍新药是模型生物的缺乏模仿人类癌症在实验室癌症 - 癌症研究中，可以准确地代表患者肿瘤。他们提供了开发模型通知的策略的视角癌症治疗使用各个患者的模型以及现场需要在动物系统和培养系统中进行研究。

作者Alana Welm说:“除了为癌症研究提供更好的模型之外，我们还在努力发展基于患者的模型，使我们能够对患者样本进行快速可靠的药物测试，以帮助个性化的癌症治疗。”“这就是功能性精确肿瘤学的概念。”

在功能性精密肿瘤学中，在患者衍生的异种移植物或培养系统的背景下测试来自各个患者的肿瘤样本对各种药物的敏感性，以引导患者治疗在疾病过程中。

研究人员提出了一种更有效的方法来加速癌症研究将患者衍生模型开发与每天运行的大量临床试验相结合。

如果临床数据和模型与药物响应信息一起进行并分享，机器学习可以促进对这种大数据的分析，以发现患者衍生的模型中可以进一步测试各个药物反应或阻力的复杂模式。

研究人员设想患者的肿瘤可以是生物信息，以识别可用于预测对各种疗法的响应并通过从先前研究中收集的功能药物反应数据来预测响应的复杂特征。研究人员认为，这将促进早些时候在治疗中选择更有效的药物，同时防止提供无益的有毒药物。

这些类型的数据甚至可以与生殖系DNA序列变异相结合，预测异常的药物代谢和毒性，从而达到更个性化的降低死亡率的目的癌症同时尽可能降低毒性。

---

---