针对辐射抗性:为什么有些肿瘤如此顽固

放射疗法已经 - 并将是癌症治疗的基石，充分理体：它有效。

主要是。

目前，超过一半的癌症患者接受了治疗辐射作为他们治疗的一部分。但其中20％，给予或服用，会发现他们需要不同的选择，因为它们的肿瘤是耐辐射治疗。这是一个不好的地方：没有治疗益处，他们仍然可能面临潜在的副作用，而且他们失去了宝贵的时间。

如果临床医生有一种方法可以预测和可能提高个体患者的放射敏感性，那么格鲁吉亚理工学院和埃默里大学的研究人员团队正在努力解决这一目标的最终目标。

Joshua Lewis指出:“对于为什么一些肿瘤对放疗反应不佳，这对许多患者的长期生存来说是一个重大障碍，我们仍然没有很好的理解。”她是华莱士·库尔特生物医学工程系梅丽莎·肯普实验室的一名研究生，当时她正在寻找抗辐射问题的答案。

在一起，他们采取了措施开始了解潜在的新陈代谢并建立一个工具来预测特定肿瘤是否是不响应的顽固的肿瘤之一。在背靠背论文中，随着刘易斯作为铅作者，Kemp表示他们创建了一个新的管道，“在其中可以自动采取数据，将其插入我们的整个细胞建模的新陈代谢，实际上预测了各种肿瘤的方式来自各种患者的癌症类型将会回应。“

她补充说:“这是第一个真正提出问题的例子，关于辐射抗性，为什么在肿瘤新陈代谢中表现出差异。”

今年1月，他们与维克森林大学(Wake Forest)和印第安纳大学(Indiana University)的合作者在该杂志上发表了第一项研究电池系统。最新的研究发表在本月自然通讯。刘易斯的研究基于他的博士论文，“抗辐射肿瘤中氧化还原代谢和治疗反应的基因组尺度建模”，他在一年前为该论文辩护。

在刘易斯开始研究生学习后不久，维克森林大学的研究员克里斯蒂娜·弗尔杜伊(Cristina Furdui)带着抗辐射问题来到肯普实验室，“要求我们将我们的专业知识应用于系统生物学，”他说。“这是一个更多全面的方法而不是针对单个分子或蛋白质，考虑许多不同因素及其相互作用，看看这是否会导致对放射治疗的特定反应。”

刘易斯使用了一种被称为“通量平衡分析”的成熟的细胞模型，在这种模型中，“你试图模拟一个细胞的整个新陈代谢——所有不同的化学反应。”我们用不同的生化方程式为它们建模。”研究人员然后将这些方程输入电脑。在几秒钟内，他们可以准确地分析大约13000种不同的代谢反应。

“我们提出了我们自己的方法，可以通过整合多种不同类型的常规数据来制定更准确的助焊性平衡分析模型，”刘易斯说，现在正在追求他的医学学位，举行埃米洛MD / ph.d.program。“OMIC”测量基因，蛋白质或代谢物等分子的特征，其包含生物体的细胞。

通过整合基因组学，转录组织和代谢组织数据，研究人员可以模拟氧化还原新陈代谢 - 氧化和还原反应的过程，或电子在癌细胞的损失和增益，“并使用它来准确预测某些肿瘤对辐射反应的影响疗法，“刘易斯说，从癌症基因组地图集（​​TCGA）中挖掘数据。

“我们寻找代谢酶或代谢靶点，如果你调整它们，它们可能会影响肿瘤的放射敏感性，”刘易斯说。“所以，想象一下，如果你给一个病人进行放射治疗，你也可以给他们进行化疗，同时抑制一种特定酶的作用，使肿瘤对放射更加敏感。”

这基本上是第一篇论文。在第二篇仅由Lewis和kemps撰写的文章中，研究人员将机器学习与基因组规模的代谢模型相结合，“看看我们能否更好地预测与病人对辐射的反应有关的生物特征。”

刘易斯说，两篇论文中研究人员面临的一个主要挑战是他们使用的TCGA数据集。他们有很好的基因组学和转录组学数据，但他们的代谢组学数据不完整。他们为《细胞系统》论文开发的计算模型帮助填补了空白，做出了代谢组学预测。他们将来自这些模型的数据输入一个机器学习模型，以更好地识别辐射抗性的生物标记。

“我们可以在临床上思考一个患者血液样本从这些血液中，你可以测量出不同代谢产物的水平，并确定病人是否适合放射治疗路易斯说，或者我们是否应该继续考虑其他疗法。“

这直接谈到刘易斯在他的M.D.计划中培训。他想成为病理学家，更好地了解患者如何应对不同的疗法。

“我想帮助弥合研究与诊所之间的差距，”他说。

他有了一个良好的开端，这对坎普来说是令人兴奋的。

她说:“Josh的计算平台将容易获取的数据转化为难以获取的属性的模型表示，比如代谢流量和代谢物变化，否则很难用涵盖许多不同患者的规模来衡量这些属性。”

---

---