Trends in Cancer 四月特刊：癌症定量生物学

技术的进步使我们能够定量观察肿瘤发生的关键过程，这已经成为一种强有力的手段，以实验相关的方式更全面地研究生物学现象。在本期Trends in Cancer特刊中，我们将介绍对癌症的定量理解如何能够提供更加深刻的见解，以及认识到遗传和非遗传机制的重要性如何成为全面理解癌症发生和发展的关键。同时，我们着重强调了耐药机制，这将最终为设计更好的治疗方法发挥作用。封面描述了数学建模和计算分析如何帮助在空间和时间的多个生物尺度上识别癌症行为。

量化癌症：不仅仅是数字游戏

本期Trends in Cancer特刊的想法源于Ravi Salgia，Andrea Bild和Prakash Kulkarni组织发起，原定于2020年3月在美国希望之城国家医疗中心举办的“数学肿瘤学和癌症系统生物学”研讨会。不幸的是，由于COVID-19大流行，研讨会被取消。不过，我们很高兴本次会议的许多受邀者愿意为这一特刊撰稿。我们感谢所有的作者和审稿人对特刊的贡献，也感谢你们的阅读。欢迎您的意见和想法；如有任何反馈或问题，请随时与我们联系：[email protected]。

▲长按识别二维码阅读论文

在癌症研究与肿瘤学中整合定量方法

癌症是一种复杂的疾病，需要多学科的方法来解决癌症进展、演变和导致患者治疗耐药性的机制问题。定量和系统生物学方法可以促进人们对驱动癌症进展和治疗耐药性的物理、生物学和进化原理的理解。众多专家学者与我们分享，将物理科学概念融入癌症生物学和肿瘤学的挑战和机遇分别是什么。

▲长按识别二维码阅读论文

群体行为与肿瘤耐药性的产生

耐药性是癌症治疗的主要障碍。虽然人们普遍认为获得性耐药是由于基因突变引起的，但新的证据表明，非基因机制也发挥了重要作用。耐药性是通过异质性肿瘤和周围微环境中克隆群的复杂相互作用而产生的。表型可塑性、细胞间通讯和适应性应激反应等性状协同作用，以确保中间可逆表型的存活，直到永久的抗性克隆出现。了解群体行为的作用，以及潜在的非遗传机制，有助于设计更有效的治疗方法，减少或延缓耐药性的出现。

▲长按识别二维码阅读论文

利用单细胞方法进行癌症精准治疗

癌症精确医学的目标是通过针对肿瘤独特的基因组背景调整治疗方法，改善患者的预后。然而，开发预后和药物反应生物标志物的研究主要依赖于大量的“组学”数据，这并不能捕获正常细胞和肿瘤细胞的肿瘤内异质性（ITH）和去卷积信号。这些测量临床相关特征的缺陷正在通过单细胞技术得到解决，它提供了肿瘤及其微环境中遗传和表型异质性的高分辨率图谱，也促进了对亚克隆肿瘤群体模式的更好理解。在这篇综述中，美国希望之城国家医疗中心Aritro Nath和Andrea H. Bild介绍了单细胞技术应用的最新进展，以加深对ITH和进化的理解，并展示了单细胞技术在开发个性化治疗策略方面的潜在应用。

▲长按识别二维码阅读论文

肿瘤-免疫协同进化对肿瘤逃逸和优化免疫治疗的影响

癌症代表了一系列不同的疾病，其特点是细胞群的异质性在其环境中动态演变。在治疗失败和复发的病例中，这种普遍的特征使确定能长期成功的治疗方法变得困难。现在已经证实适应性免疫系统能够识别和消除癌细胞，各种免疫治疗策略已经出现以增强这一效果。这些疗法虽然很有希望，但往往由于免疫特异性肿瘤逃逸而失败。越来越多的实验证据详细说明了治疗前后癌症和免疫系统人群的情况，为建立肿瘤-免疫相互作用和随后的协同进化的数学模型提供了丰富的机会。整合数学和实验研究对优化治疗具有直接意义，无疑将加速我们对这一新兴领域的理解。

▲长按识别二维码阅读论文

信息论在免疫肿瘤学中的概念及应用

最近癌症免疫调节疗法的成功，激发了对免疫系统内信息流的研究，进而促进了信息论概念在临床上的应用。通过信息论，人们可以用精确的数学方法描述和确定免疫系统中相互关联的组成部分在健康和疾病中的功能。具体来说，使用熵、互信息和通道容量等概念，可以在多个时空尺度上量化免疫系统细胞成分内部和之间的信息存储、传输、编码和流动。为了在定量的水平上理解癌症中免疫信号的功能和功能障碍，在这篇综述中，美国希望之城国家医疗中心贝克曼研究所Aleksandra Karolak等人结合数学模型对生物化学信号转导和传递的信息论治疗方法进行了综述。

▲长按识别二维码阅读论文

计算选择性剪接在癌症中的作用

大多数人类基因都经历了选择性剪接（AS），选择性剪接失调有助于肿瘤的发生和发展。基因组和转录组数据的计算分析可以系统地描述选择性剪接及其在癌症中的功能性作用。在这篇综述中，中国科学院北京基因组研究所刘肇祺、美国哥伦比亚大学Raul Rabadan总结了研究癌症中选择性剪接的最新计算方法，以及该领域最流行的工具目前的局限性。最后，研究人员还描述了当前在表征癌症中选择性剪接作用的方面的一些计算挑战。

▲长按识别二维码阅读论文

下一代液体活组织检查：在肿瘤学中拥抱数据科学

通过对循环肿瘤DNA（ctDNA）进行更深入、更广泛的测序，已经在循环中识别出大量的肿瘤标记物，这导致了肿瘤学中向数据科学驱动的液体组织检查的范式转变。尽管血浆中可操作突变的测序面板正在向临床发展，但下一代液体活检正越来越多地从分析数字突变信号转向分析模拟信号，这就要求机器学习发挥更大的作用。与此同时，这些癌症信号不一定来自肿瘤本身这一观点被越来越多人接受。在这一篇观点性评述中，纪念斯隆·凯特琳癌症中心J.C.M. Wan等人讨论了日益复杂的肿瘤液体活检数据带来的机遇和挑战。

▲长按识别二维码阅读论文

精准肿瘤学中决策的定量范式

癌症进展的复杂性和可变性需要有一种定量范式来进行治疗决策，该范式是动态的、个性化的，能够在大量不确定性下为单个患者确定最佳治疗策略。在这篇文章中，美国Dana-Farber癌症研究所Dalit Engelhardt等人讨论了这种方法的核心组成部分和挑战，并强调了在其发展过程中对全面的纵向临床和分子数据集成的需要。研究人员描述了数学建模和机器学习在构建动态最佳癌症治疗策略中的互补性和不同的作用，并强调了强化学习方法在这方面的潜力。

▲长按识别二维码阅读论文

连接生物学的时间尺度：早期动态测量能否预测长期结果？

通过短期测量来预测长期结果仍然是一项根本性的挑战。信号动力学的定量评估以及由此产生的转录和蛋白质组反应，为细胞转归提供了基本的见解。然而，这些测量的效用受到其短时间尺度（小时到天）的限制，而这些事件的后果往往会在较长的时间尺度上展开。在这篇文章中，哈佛医学院Galit Lahav等人讨论了静态和动态测量的预测力，并举例说明了利用这些测量方法进行预测的能力。然后，研究人员探讨了利用互补测量和计算方法来缩小时间尺度上的差距的潜在方法，主要关注信号因子的动态测量及其对细胞转归的影响。

▲长按识别二维码阅读论文

癌症非遗传可塑性与体细胞进化的协调

治疗后肿瘤的进展通常可以用体细胞达尔文进化论来解释（即，选择携带基因突变的细胞，从而产生更具攻击性的细胞特征）。但是，癌症基因组和转录组分析现在描绘出了一幅更为复杂的图景，促使人们超越达尔文的理论模式：非遗传细胞表型可塑性可以由替代的稳定基因表达状态（“吸引子”）解释，也可能产生可选择的攻击性表型，而不发生突变。更糟糕的是，治疗甚至可能诱导细胞状态转变为更加恶性的吸引子。在这篇文章中，美国系统生物学研究所Sui Huang回顾了肿瘤进展的非遗传机制的最新证据，解释了治疗诱导的侵略性增加背后的吸引子转变的理论基础，并为统一肿瘤进展中遗传和非遗传动力学提供了一个框架。

请到「今天看啥」查看全文