第六节
小结与展望

个体化治疗是一种新兴的医疗模式，它基于个体基因组数据来指导个体患者的治疗。当个体化治疗与靶向治疗相结合时，能够产生所谓的“叠加效应”。尽管个体化靶向治疗发展迅猛，但仍面临一些需要解决的问题。以下我们将讨论所面临的几个挑战：

首先，在临床取样上需要进一步改进：例如，①体外临床取样需要更多的特异性生物标志物。②离体临床取样需要有针对原代细胞生长的改良培养技术。在超过25年的工作中，我们大量报道了临床原代细胞培养技术，培养的细胞包括原代肿瘤细胞、CSC和临床干细胞。由于化疗前后原代细胞培养的要求不同，所以其复杂的培养条件和技术对于许多实验室来说是很不容易掌握的。幸运的是，UT MD安德森癌症中心最近报告了一些可用于个体化治疗的更为简单的原代细胞培养方法。③大多数临床样本在手术切除后直接在肿瘤组织水平上被冷冻，因此借助计算机进行的临床基因组分析需要更多可操作的临床生物信息学工具。

其次，临床SNP和基因组诊断需要相当可靠且高性价比的分析方法，如基于基因组学的诊断检测已在直接的治疗性干预措施中得到了很大发展。随着成功案例的积累，我们可以减少成本，将临床基因组诊断检测技术常规化，为患者的个体化治疗提供更多的选择。

此外，系统建模和GES/SNP特征挖掘技术需要进一步改进。肿瘤研究的最新发展使医师和科学家能够使用不同的基因组数据进行分析，例如GWAS、来自于微阵列和RNA-Seq的转录组、表观遗传学、microRNA谱和非编码DNA测序谱。虽然ENCODE可应用于基因组分析，但目前的个体化治疗还主要使用与GWAS和转录组相关的SNV。未来，为了建立更精准的个体化治疗网络，系统生物学将更多地纳入ENCODE系统信息，并建立囊括所有基因组数据（包括转录组、SNP、基因遗传学和microRNA等）的定量网络评分系统。相应地，如果建立了更多的疾病网络，则局部SNP检测与来自不同疾病网络的系统建模相结合，也将大大有助于GES/SNP特征的发现。

（张逸飞　陆　静　钱新荣　李彪如）

参考文献

[1] Pustovalova M, Blokhina T, Alhaddad L, et al. CD44 ^＋ and CD133 ^＋ Non-Small Cell Lung Cancer Cells Exhibit DNA Damage Response Pathways and Dormant Polyploid Giant Cancer Cell Enrichment Relating to Their p53 Status [J]. Int J Mol Sci, 2022,23(9): 4922. 4tjt5a7URR1CunFrDISlnx1EEwPQKhlJTPWZOvkGGmrwDDBus/9/+bV0EWXwGmX2