1. 研究整合了932个癌症细胞系、434个PTX和1,1159个临床肿瘤的基因表达数据，发现不同癌症模型在再现患者肿瘤转录谱方面差异明显。皮肤癌、乳腺癌等模型与患者肿瘤转录相似度高，胆管癌、肝癌等则差异大。CCLE和PTX作为癌症模型系统也存在差异，脑和软组织CCLE与患者肿瘤不同，而相应PTX模型转录保真度高。
2. PTX模型与患者肿瘤平均转录相似性高于CCLE模型，可能因CCLE培养条件、高传代次数和遗传不稳定性导致转录分化，且癌症模型可能因解剖学特征不明确或取样不匹配被错误标注。
3. MOBER具有可解释性，能让药物猎人了解模型与患者间潜在生物学差异，这些差异因疾病类型而异，凸显了使用无监督非线性方法识别疾病类型特异性变化的重要性。
4. 作为批量效应去除方法，MOBER相比其他方法，支持同时整合多数据集、可转换数据集且对数据集组成无假设，能消除不同代表性细胞群数据集间的批次效应，还能校正因临床前模型缺乏肿瘤微环境造成的差异。
5. MOBER源代码已在GitHub上提供，还开发了交互式网络应用程序，可探索癌症模型和临床肿瘤的MOBER对齐表达谱，识别最能代表肿瘤类型或亚型转录特征的临床前模型，未来版本将整合遗传和表观遗传特征进行更详细分析。
参考资料：
1.C. R. Ireson, M. S. Alavijeh, A. M. Palmer, E. R. Fowler, H. J. Jones, The role of mouse tumour models in the discovery and development of anticancer drugs. Br. J. Cancer. 121, 101–108 (2019).
2.J. Barretina, G. Caponigro, N. Stransky, K. Venkatesan, A. A. Margolin, S. Kim, C. J. Wilson, J. Lehár, G. V. Kryukov, D. Sonkin, A. Reddy, M. Liu, L. Murray, M. F. Berger, J. E. Monahan, P. Morais, J. Meltzer, A. Korejwa, J. Jané-Valbuena, F. A. Mapa, J. Thibault, E. Bric-Furlong, P. Raman, A. Shipway, I. H. Engels, J. Cheng, G. K. Yu, J. Yu, P. Aspesi, M. de Silva, K. Jagtap, M. D. Jones, L. Wang, C. Hatton, E. Palescandolo, S. Gupta, S. Mahan, C. Sougnez, R. C. Onofrio, T. Liefeld, L. MacConaill, W. Winckler, M. Reich, N. Li, J. P. Mesirov, S. B. Gabriel, G. Getz, K. Ardlie, V. Chan, V. E. Myer, B. L. Weber, J. Porter, M. Warmuth, P. Finan, J. L. Harris, M. Meyerson, T. R. Golub, M. P. Morrissey, W. R. Sellers, R. Schlegel, L. A. Garraway, The cancer cell line encyclopedia enables predictive modelling of anticancer drug sensitivity. Nature 483, 603–607 (2012).
【关于投稿】
转化医学网（360zhyx.com）是转化医学核心门户，旨在推动基础研究、临床诊疗和产业的发展，核心内容涵盖组学、检验、免疫、肿瘤、心血管、糖尿病等。如您有最新的研究内容发表，欢迎联系我们进行免费报道（公众号菜单栏-在线客服联系），我们的理念：内容创造价值，转化铸就未来！
转化医学网（360zhyx.com）发布的文章旨在介绍前沿医学研究进展，不能作为治疗方案使用；如需获得健康指导，请至正规医院就诊。
