癌细胞药物敏感性的最佳预测算法

　　

生物通报道：2014年6月1日在《Nature Biotechnology》发表的一项研究，描述了一个开放挑战赛的结果，只根据细胞的基因组数据总和，来预测哪种乳腺癌细胞株将对哪种药物发生反应。在世界各地研究小组提交的44种算法当中，来自芬兰赫尔辛基信息技术研究所的获奖预测算法，识别药物敏感与耐药细胞株的精确度是87%。

美国科罗拉多大学癌症中心研究人员、Sage Bionetworks/DREAM 组织机构计算和系统生物学挑战赛主任James Costello博士称：“想法很简单——我们有这样的问题，任何人都能参与进来寻求答案。问题是，我们有关于突变、或基因表达、或甲基化、或拷贝数变化的足够信息，来预测癌细胞将如何响应药物吗？”

这一努力的结果，对由俄勒冈健康科学大学Joe Gray实验室提供的基因组数据进行挖掘，目的在于描述癌症的分子标记，然后可以用其对大的人类样本集合进行测试，例如癌症基因组图集计划（TCGA，美国国家癌症研究NCI和国家人类基因组研究所2005年启动，旨在系统分析不同癌症的基因变异，了解癌细胞发生、发展的机制）的那些样本。现在有了这个巨大的NCI数据库，不断的挑战在于，挖掘这些数据来指导药物开发和肿瘤治疗。为了激励数据科学家小组处理这些数据，NCI与Dialogue for Reverse Engineering Assessment Methodologies（DREAM）项目合作举行了这次挑战赛。奖品包括资金支持和出版物。

Costello称：“这是一项国际合作行动，以解决基本的生物医学研究问题。目标是推动开放科学和数据访问，不论是为了研究者，还是最终为了医生和患者。”

具体来说，挑战赛要求各研究小组提交算法——计算机数学策略，可正确地将18个乳腺癌细胞株，分类为对28种治疗化合物“最敏感”到“最耐药性”的细胞株。在这种情况下，挑战赛组织者包括Costello知道答案，所以他们可以检查提交策略的准确性。因此，这项研究能够表明，什么类型的基因组数据最能预测药物反应。

Costello称：“我们可以用新的、优秀的、超级浮华的技术，来观察癌细胞内部的情况，但是至少在当时，这些新技术所产生的数据并不能告诉我们，细胞将如何响应治疗方法以及更多已确立的基因表达微阵列。”他指出，原因包括，20年的微阵列分析历史，已经养成了我们精确产生和利用这类数据的能力，也由于基因表达数据代表着多细胞的过程。也就是说，许多基因组修饰，例如甲基化或突变，会直接影响基因表达，而且，如果那些修饰是一个细胞过程的结果，基因表达将相应地改变，微阵列会测量这种效应的结果。

Costello指出：“数据科学家们渴望得到新的数据和新的问题，如果你能让世界各地的人都从事于这项挑战，它就可以推断创新，我们就可以更快地得到答案。”

（生物通：王英）

生物通推荐原文摘要：
A community effort to assess and improve drug sensitivity prediction algorithms
Abstract: Predicting the best treatment strategy from genomic information is a core goal of precision medicine. Here we focus on predicting drug response based on a cohort of genomic, epigenomic and proteomic profiling data sets measured in human breast cancer cell lines. Through a collaborative effort between the National Cancer Institute (NCI) and the Dialogue on Reverse Engineering Assessment and Methods (DREAM) project, we analyzed a total of 44 drug sensitivity prediction algorithms. The top-performing approaches modeled nonlinear relationships and incorporated biological pathway information. We found that gene expression microarrays consistently provided the best predictive power of the individual profiling data sets; however, performance was increased by including multiple, independent data sets. We discuss the innovations underlying the top-performing methodology, Bayesian multitask MKL, and we provide detailed descriptions of all methods. This study establishes benchmarks for drug sensitivity prediction and identifies approaches that can be leveraged for the development of new methods.