下载掌阅APP，畅读海量书库
立即打开
GES可用于识别肿瘤和药物的靶向标志物及其剂量依赖性细胞反应。如前文所述，GES还可预示应回避的毒理学通路。挖掘GES之后，可以通过与GES相关联的药物库筛选经FDA批准的药物。
在2007年之前，微阵列技术的临床应用受限于测定数据的误差。例如，在不同微阵列平台上杂交的同一RNA样品可能会产生相互矛盾的结果。为了使基因组数据更好地应用于包括靶向药物筛选在内的临床实践，需要统一基因组数据，于是FDA发起了名为“微阵列质量控制（MAQC）”的项目，来自51个学术机构和行业合作伙伴的137名研究人员参加了该项目，旨在系统地解决不同实验室和不同微阵列平台之间微阵列检测技术的可重复性问题
。最终结果显示，在不同测试地点使用同一平台检测差异表达基因可获得平均89%的重叠率，使用不同的微阵列平台则有74%的重叠率
。经过十多年的努力，尤其是将二代测序技术引入这一新领域之后，基于准确基因组数据的系统建模和GES挖掘为肿瘤疾病个体化治疗的药物筛选和新药研究作出了巨大的贡献。目前，几个常用的公共链接在证明药物靶点方面趋于完善：例如Genecards（http://www.genecards.org/）、Drug-bank（http://www.drugbank.ca/）以及一些商业软件工具，例如GeneGo和Pathway Studio
，
。
尽管第一代基因组研究和二代测序都可用于临床的抗癌药物的发现，但它们在很大程度上仍不是最佳选择，例如还存在临床应答与病理应答方面的问题、联合化疗与单一药物的选择问题
，
，
，
。然而，GES数据在改善肿瘤疾病的临床管理和增进我们对肿瘤生物学机制的理解方面仍具有巨大潜力。尽管FDA已经批准了一些用于临床的表达谱分析平台，但要想使这些特征（signature）具有更强的临床价值，仍然需要增加大量的验证和病例报告。
一旦从药物库平台筛选出了推荐的药物，就会有一套流程来确认该药物是对肿瘤细胞普遍有作用，还是对特定类型的肿瘤具有特异性作用。根据Chibon F等的报告
，当推荐的抗癌药物从药物库中筛选出后，该药物在被用于每个个体化治疗前都必须进行独立验证。Chibon为每个个体化治疗设置了三个步骤来验证抗癌药物：特征鉴定、特征验证和临床验证，并通过被称为“自上而下法”“自下而上法”和“候选基因法”的三个模块来进行。
（1）“自上而下法”是一种监督法，通过鉴定与转移和生存率相关的表达谱来建立预测模型。René Bemards的团队是最早使用这种方法的小组之一，于2002年报告了对乳腺癌预后特征的鉴定
。他们报告了一种三段式方法，即鉴定所有样本中的基因（5000个）、与转移相关的特征基因（231个）以及作为最佳预测因子的最终特征基因（70个）。“自上而下法”的第二个例子是套细胞淋巴瘤，其中28/48个基因（58%）可作为淋巴瘤细胞增殖特征基因
。
（2）“自下而上法”不同于“自上而下法”的监督法，它是一种生物学假说。通过这种方法鉴定出677个与细胞周期、细胞运动和细胞外基质重塑有关的基因
。
（3）“候选基因法”是一种代表性基因法，通过PCR和免疫组织化学技术在福尔马林固定、石蜡包埋的肿瘤（FFPE）样本中检测少量具有代表性的基因
。
用以上三种方法完成特征鉴定之后，方可进入临床实践阶段，从而可以更有效地验证下游的个体化治疗。
尽管Chibon的“三个步骤和三个方法”可以被病理学家和临床肿瘤学家应用于临床领域，但是用于指导临床医师采用推荐的抗肿瘤药物进行临床个体化治疗仍存在争议。目前，针对个体化治疗的预测抗肿瘤药物的验证被越来越多地报道
。根据已发布的临床应用，本文总结了大多数验证方法，如图1-5-1和表1-5-1所示。
表1-5-1 验证GES药物的敏感度和治疗靶点
图1-5-1 个体化治疗的验证流程图
包括：①通过Qrt-PCR和蛋白质水平进行GES确认的间接方法；
②计算机验证、离体验证、体内验证和体外验证的直接方法。橙色主要用于实验室
鉴定可作为药物靶点的GES的技术至关重要，例如PCR、免疫组织化学和蛋白质组学
。基于上述敏感度和特异性的结果，我们常规地将Qrt-PCR测定作为GES和药物挖掘后的必要验证步骤。此外，在2007年我们还报道了蛋白质组学作为应用于发现生物标志物和治疗靶点的候选方法。遗憾的是，如前所述，蛋白质组学与基因组数据（25/750个基因）的重叠率非常低
，
。
直接的验证分析也可预测药物的功效，直接验证包括计算机验证（in silico）、离体验证（ex vivo）、体内验证（in vivo）和体外验证（in vitro）。
（1）计算机验证：与药物发现有关的网络已有大量报道。Zheng J等首先建立了一个基于python的网络模型，使用评分分析系统来研究肿瘤细胞系的增殖情况，然后使用该模型对网络中的药物进行评分
。2015年，我们进一步报告了该模型用于患有三阴性乳腺癌（TNBC）的患者基因组分析的案例。令人兴奋的是，在通过python模型进行预测和验证-模拟分析后，发现并确认了两组适合患者的药物，该患者在3个月的推荐药物治疗后获得了完全缓解，如图1-5-2A和1-5-2B所示
。一些实验室进行了类似的药物挖掘和验证工作，例如，在2013年，Riddick G等利用计算机模拟筛选结合胶质母细胞瘤CSC验证的方法建立了用于药物应答的预测模型。通过计算机筛选，他们报告了185种化合物，其中，7种化合物的应答在胶质瘤细胞系中得到了验证，21种化合物的应答在3种胶质母细胞瘤干细胞中得到了验证
。
（2）离体验证：如前所述，在我们实验室中工作超过20年的Hamburger和Salmon建立了包括原代肿瘤细胞在内的临床细胞培养方法以进行药物敏感度测定。至今，已有好几种原代肿瘤细胞培养的方法及其技术可应用于个体化治疗的验证系统
。因此，尽管技术非常复杂，但离体模块提供了一个很好的系统来验证用于个体化治疗的推荐药物。
图1-5-2 正电子发射断层扫描／计算机断层扫描（PET/CT）的结果
A．显示了个体化治疗之前的多个转移病灶；B．显示了个体化治疗5个月后反应良好。
（3）体内验证：人体肿瘤细胞的异种移植也是验证药物的良好模型。一些科学家开发了人类肿瘤细胞的异种移植物以验证药物。例如，科学家选择性分离了原发性肿瘤的转移肿瘤细胞亚群进行基因表达谱分析。通过这种方式，他们发现了一种乳腺癌转移和侵袭的特异性GES，称为人类入侵特征（human invasion signature，HIS）。通过独立的生物学重复试验，他们证实了这些功能基因在转移性肿瘤细胞中被上调。他们还通过患者来源的乳腺肿瘤证明了体内侵袭所必需的特定基因的功能。最后，他们使用统计分析表明该特征可以有效预测乳腺癌转移的风险
。虽然该模型可能很有价值，但体内模块验证药物的成本很高。
（4）体外验证：特定药物的敏感度可能会严重影响治疗方案的决策。一些科学家开发了肿瘤细胞系作为模型来验证患者的应答。例如，结直肠癌中基于耐药性的评分系统可以将患者对三种一线抗癌药物（5-FU、奥沙利铂和伊立替康）的应答进行排名
。
这些耐药性细胞系的基因表达模式为开发特异性耐药性GES提供了坚实的基础。由于肿瘤细胞系的遗传背景／突变有助于对被测药物产生耐药性，因此特殊的基因表达模式表明不同药物的耐药性机制不同。尽管已报道肿瘤细胞系可用于药物筛选，但该模型可能仅能在肿瘤细胞系中并且在遗传背景／突变的有限范围内对治疗靶点进行分类。