用算法尋找腫瘤的分子弱點,代碼真的能治癒癌症?

大數據文摘出品

來源：sciencemag

編譯：zeroinfinity

2016年，醫生邀請Eileen Kapotes參加一個用於她的病症的新藥的臨床試驗，當時Kapotes是50多歲的一級老教師，她正在與已經擴散到全身的惡性乳腺癌作鬥爭。

在過去的四年中，她嘗試了許多艱苦的治療，包括全腦放射治療，她還一直在服用乳腺癌藥物Herceptin，但她的腫瘤仍在增長。現在，她有機會嘗試一種截然不同的方法：一種名為ruxolitinib的藥物，最初旨在治療血液和骨髓相關的癌症。

Kapotes的腫瘤主治醫生，西奈山醫院的Amy Tiersten對她的病人對新藥的反應情況感到驚訝。它阻止了她的癌症繼續惡化，而且她幾乎沒有副作用。

「我很驚訝。」Tiersten說。

歷時十年，實現對癌細胞分子網絡建模

ruxolitinib試驗是哥倫比亞大學系統生物學家Andrea Califano歷時十年的追求的產物。通過複雜的計算，他對催化癌細胞的分子網絡進行建模，並精確定位到轉錄因子蛋白作為關鍵因子，從而控制細胞內許多基因表達。

Califano與當時也是哥倫比亞大學的細胞生物學家JoséSilva合作，在對Herceptin產生耐藥性的患者群體的組織庫中選取分析了他們乳腺癌樣本。分析結果表明，一種叫做STAT3的轉錄因子在那些癌症中起著至關重要的作用。並且已知ruxolitinib抑制STAT3。

一些研究人員專注於找尋能夠導致個體疾病的基因突變。因為人們認為，這樣做可以幫助為每個患者確定最佳的靶向藥物。但是由於人群中致癌基因突變的多樣性，那就可能需要成千上萬種藥物來治療不同的人。

相比之下，Califano的做法與上述方式有所不同。相反，他專注於識別少數充當瓶頸的轉錄因子。Califano認為，無論最初由何種基因突變導致癌變，通過靶向那些主要的基因調控過程，我們都可以阻止癌症。腫瘤學家仍將需要分析每個患者的基因突變，以確定哪些調控因子會在特定的癌症中起作用，但Califano說，他們不需要成千上萬種藥物來針對不同基因突變，而只需要幾十種。這是個體化醫療中的非個性化方法。

該策略啟發於Califano作為物理學家的計算能力上，他說：「我們已經建立了可以對每種不同腫瘤的邏輯進行逆向推斷的算法，以便我們找到藥物的靶標。」 他的算法是系統生物學的一個典型例子，它使用複雜的數學模型來模擬複雜的生物系統，例如基因相互作用。這個領域引起了研究者極大的興趣，但是在現實中卻很少取得臨床成就。

哥倫比亞大學捐助1500萬美元，代碼真的能治療癌症？

2015年，Califano與他人共同創立了一家名為DarwinHealth的公司，該公司利用他的算法通過識別患者腫瘤中的關鍵轉錄因子並選取合適的靶向藥物來指導醫生。他的工作贏得了其他研究人員的稱讚，儘管有人指出這種方法僅在人體測試的早期階段，且其臨床用途仍不確定。

非營利性生物醫學研究所Jackson Laboratory的總裁兼執行長Ed Liu樂觀地認為這種方法終將會獲得回報。「隨著我們開發出越來越精確的方法來針對靶點，他的算法將變得越來越有用」。

Califano的方法即將迎來一次它最大的考驗。哥倫比亞大學已撥款1500萬美元，用於在未來3年內對其醫院中的3000名癌症患者進行試驗，並使用DarwinHealth算法分析每個患者的癌症並推薦個性化治療方法。「這可能是我研究中最激動人心的時刻之一，」 Califano說，「因為它使我們最終能夠在足夠大的規模中應用這種方法，從而能夠從患者的藥物反應中真正的得到一些有用的數據和信息」。

如果向癌細胞突變位點在整個調控網絡中定位太靠近上遊，那麼關閉故障基因將是一項艱巨的任務。但是，對於細胞遺傳電路中作為主要調控因子的轉錄因子來說，僅使用一種藥物抑制它也將會導致癌變機制崩潰。

針對所有可能激活癌症主要調控因子的突變，將需要許多藥物（A，B，C，D）。單一藥物（X）用於靶向關鍵調控因子就可以達到相同的效果。

1958年秋天，一位名叫François Jacob的年輕科學家來到巴黎巴斯德研究所和他的同事Jacques Monod，提出了關於遺傳機制如何控制細胞行為的假說。這兩個人都有叛逆的性格傾向：在第二次世界大戰中，Jacob代表流亡的法國政府與納粹戰鬥導致受傷，而經驗豐富的攀巖者Monod參加了法國抵抗運動的遊擊活動。在接下來的幾年中，兩人一起工作，他們是第一個揭示遺傳通路想法的人。這項工作使他們獲得了1965年諾貝爾生理學和醫學獎。

在大腸桿菌實驗中，Jacob和Monod發現，取決於可利用的食物類型，這些細菌中的基因網絡可以改變某些酶的產生。當糖乳糖豐富時，細菌會打開編碼該酶的基因來使其代謝。但是外界只能獲取葡萄糖（另外一種糖），微生物關閉了編碼該酶的基因。這是一個開創性的發現，即單個基因的表達活性可以（通過調控）被增強或者抑制。

隨後幾十年的實驗幫助揭示了如何發揮這種控制作用的細胞機制。一個關鍵因素是轉錄因子，是一種增強或抑制其他基因活性的蛋白質。單個細胞的基因調控網絡要比Jacob和Monod所揭示的（大腸桿菌中的調控網絡）要複雜得多。人類基因組包含20,000個基因，其中大約有1500個產生轉錄因子。這些基因構建的系統組成了一個包含開關基因的複雜調控網絡。

Califano認為，如果他能夠確定癌症的關鍵開關，那麼他也許能夠關閉驅動其災難性增值的遺傳突變基因。在1986年完成物理學家培訓後，IBM招募了他參與計算機視覺和人工智慧領域的前沿項目。但是IBM設施的建築規範使Califano無法建立實驗室來滿足他對生物學的研究興趣。

於是他在2000年離開，並於2003年去到哥倫比亞。在他到達的那一天，他開始編寫代碼來解決癌症難題。

407個轉錄因子可能在癌症中起到關鍵作用

如今，他算法的基礎數據來自一種稱為RNA測序（RNA-seq）的方法。該方法通過對RNA分子進行測序來衡量細胞內的基因活性，因為RNA分子會在基因激活或抑制後產生。通過算法處理大量的RNA-seq數據，以揭示與健康組織相比，哪些基因在癌症中表達過度或表達抑制。然後，該算法使用複雜的方程式推斷基因相互作用的模式，並鎖定其中影響最大的轉錄因子。

尋找癌症的關鍵驅動因素並不容易。在2018年對9000多個樣本的分析中，這些樣本報告了近150萬個突變。基因在錯綜複雜的網絡和反饋迴路中相互影響，微小的基因變化相互作用誘發癌變的方式非常之多。

Califano說：「據說，一個腫瘤中可能有1000個可以引發癌症的基因位點，因此潛在的癌症突變組合數量會比比宇宙中原子還多。」

製藥行業無法為每種獨特的組合生產新藥。相比之下，1980年至2018年間，有126種新的抗癌藥物獲得了美國食品藥品監督管理局（FDA）的批准。因此，精準定位誘發癌變的關鍵調控因子是如此重要。

在哥倫比亞大學，他與他的前博士後研究員Mariano Alvarez合作開發了通過這些網絡進行分類的更有效算法。目前的一種叫做VIPER（通過豐富的調節子分析來虛擬推斷蛋白質活性的簡稱），已被用於數十項有關複雜且相互關聯的遺傳網絡在膀胱癌，前列腺癌和肺癌中作用機制的研究。

Califano及其同事最近使用VIPER算法在美國政府資助的資料庫Cancer Genome Atlas中篩查了來自10,000多個個體腫瘤樣本的RNA-seq數據。研究小組發現，不同類型的癌症比以前認為的有更多共同作用點。

這項分析目前正準備發表，在所有癌症樣本中，至今已鑑定出407個轉錄因子可能在癌症中起到關鍵作用。其中只有20到25個基因會與任何一種癌症都相關關-卡利法諾說，與癌症作鬥爭不可能需要抑制所有這些轉錄因子表達：僅僅調控幾個結點就足夠了。

Liu說，Carifano「是最早將複雜算法推廣到這領域的人之一，然後又有後來者效仿」。冷泉實驗室癌症中心主任David Tuveson補充說，Carifano算法的優勢在於，它們可以研究包括RNA和蛋白質在內的基因產物的整個網絡。Tuveson就在自己的研究中使用VIPER尋找胰腺癌的治療方法。

走向商業化

Califano也希望將其算法應用於患者。將這種方法商業化的想法始於2013年，在英屬維京群島的海灘上。在那兒，他遇到了正在度假的Gideon Bosker，他是一名外科醫生，通過急診藥物開始，後來成功創立了一家醫學教育公司。兩人一拍即合，兩年後他們決定組建DarwinHealth。哥倫比亞大學將VIPER技術授權給DarwinHealth，而Bosker在初創時為其事業投入了140萬美元資金。從那之後，公司的算法已經幫助了十多個行業合作者的研究項目。

DarwinHealth將Califano的算法與有關藥物作用在多個基因的實驗信息資料庫結合在一起，該資料庫是公司通過文獻和來源匯總而來。只要按照通用標準獲取患者組織，世界各地的醫生就可以將組織樣本發送至哥倫比亞病理部門，在那裡從細胞中提取RNA。

該公司以1600美元的價格可以為單個在癌症中起作用的關鍵調節子生成了一個「OncoTarget」輸出結果，同時還對現有的能夠抑制腫瘤中25種最活躍的轉錄因子以及能夠激活在腫瘤中沉默的25個轉錄因子的藥物進行了更為複雜的「 OncoTreat」模型計算。該產品於2018年推出。

俄勒岡健康與科學大學奈特癌症研究所精準腫瘤學主任，曾幫助開拓系統生物學領域的GORDON MILLS指出，Califano的抗癌算法仍然必須克服許多障礙。MILLS說：「人們一直懷疑我們是否能夠預測人類疾病的複雜性，」他在自己的研究中嘗試運用Califano的算法。「已有數百種算法嘗試在面對癌症的複雜性和異質性時失敗，從而在其運用於臨床之前被淘汰。」

但是Califano在一個成功的癌症藥物：thalidomide，曲折發展過程中看到了他尋找癌症關鍵因素的希望。在1950年代中期，該藥物作為鎮靜劑用於治療失眠和焦慮症。醫生還曾給孕婦使用該藥，以防噁心。但是它造成了嬰兒嚴重的先天缺陷，包括四肢缺失和心臟問題，被證明具有破壞性。但是，thalidomide作為一種治療麻風病的藥物已經捲土重來。1997年，醫生開始對這種藥物針對多發性骨髓瘤（一種影響白細胞的癌症）的效果進行測試。

此後，科學家們更進一步的研究了thalidomide的工作原理。在2018年，他們發現thalidomide會在細胞內部分泌一種稱為cereblon的蛋白質複合體標記某些轉錄因子使之失活。而在多發性骨髓瘤中，正是這些轉錄因子，IKZF1和IKZF3在基因網絡中起到促使癌細胞生長的關鍵作用。對Califano而言，thalidomide的成功表明了尋找可以靶向癌症主要調節因子的現有藥物的意義。

候選藥物稀缺。鑑於許多藥物都作用於蛋白質酶，並具有易於找到的活性位點進行靶向，但是轉錄因子缺乏這種易於靶向的位點，許多研究人員認為它們難以用藥物調控。

但是Califano的Columbia實驗室正試圖將其列出潛在藥物清單。使用帶機械臂的龐大機器輔助處理腫瘤細胞樣本，以進行高通量篩選，研究候選藥物如何改變細胞的RNA-seq圖譜，以及這些藥物是否會逆轉主調節因子的活性。並且通過一臺價值1200萬美元的超級計算機（大學研究人員的共享資源）在大樓地下對數據進行分析。

美國FDA批准的生產治療多發性骨髓瘤的thalidomide的百時美施貴寶公司（Bristol Myers Squibb）也加入了這一行列。它已與DarwinHealth籤約，以系統地搜索這家製藥巨頭的化合物庫，尋找可能靶向關鍵調節因子的其他化合物。

北京腫瘤醫院確認也將使用該技術輔助治療

DarwinHealth的方法依據還來自於西奈山伊坎醫學院的Samir Parekh及其國際合作者的最新研究支持。該團隊最近完成了一項臨床試驗，以測試dexamethasone和selinexor兩種藥物的組合在用於多發性骨髓瘤的效果。該組合僅在約四分之一的患者中起作用，降低了他們血液中骨髓瘤蛋白的水平。在回溯分析中，DarwinHealth工具能夠預測哪些患者會有反應。研究人員去年在《新英格蘭醫學雜誌》（New England Journal of Medicine）上報導說，通過評估12位患者的RNA-seq數據，該工具確定了實際5位受益於這種藥物的患者中的4位以及實際7位未受益於這種藥物的患者中的6位。

蒙特婁大學Morgan Craig研究使用計算方法識別新藥，他認為了解分子網絡在癌症中的作用可以促進個體化醫療的發展。Craig解釋說，像DarwinHealth所使用的算法「可能不會立即取代臨床方法」， 「但這絕對是朝著更系統地進行藥物靶向識別邁出的一步」。

DARWINHEALTH並未進行臨床試驗，但過去3年中，Carifano在哥倫比亞實驗室中測試了該公司的算法。研究人員分析了來自100多個癌症患者的活檢樣品中的RNA-seq數據，以確定主要的調節因子，並給出了通常不考慮使用的藥物（就像DarwinHealth的商業服務一樣）。

在幾十個案例中，研究人員隨後在移植有患者腫瘤的小鼠中測試了該藥物，以確認該藥物如預期的那樣幹預主要的調控子。對於其中的五名患者，醫生認為可以大膽嘗試使用該算法建議的藥物。每個患者都處在癌症晚期，且已經對目前市面上提供的治療方案產生免疫。

這五名患者中有四名對建議藥物產生了至少一次反應。對於患有腦膜瘤（一種可以在腦部施加致命壓力的腫瘤）的患者，該算法建議使用etoposide，一種最初設計用於治療肺癌和卵巢癌的藥物。結果，他的腫瘤停止生長了一年多，然後它開始輕微反彈，在他接受了另一項臨床試驗後，他的腫瘤又開始迅速生長。

Califano希望在這些案例的基礎上，在哥倫比亞進行的正式臨床試驗。DarwinHealth的Oncotarget和Oncotreat測試將用於哥倫比亞大學系統中登記的3000名患者。最終，將由醫生委員會根據由傳統測序結果以及基於VIPER的算法預測到的輸出結果選擇治療的藥物。鑑於Califano在大學任職期間也擔任公司領導，DarwinHealth將不會從測試中獲取利潤以避免任何可能存在的利益衝突。

Califano和Bosker還向世界各地的其他研究人員授權使用DarwinHealth工具，以進行腫瘤藥物測試。今年1月，北京腫瘤醫院確認將使用DarwinHealth的工具來輔助指導在臨床試驗的患者進行治療。主持這項新研究的腫瘤學家張曉天說，如果試點結果有積極效用，那麼這項研究將擴展到其他醫院，他說：「這些臨床研究主要集中在胃腸道腫瘤，特別是胃癌和食道癌上。」

隨著DarwinHealth方法進入更多的臨床測試場所，像Kapotes這樣的更多患者將使用未曾用於自己癌症治療中的藥物。對於像她這樣的人來說，這可能會贏得寶貴的時間。在加入ruxolitinib試驗後的2年多時間裡，Kapotes的癌症保持穩定。當掃描最終顯示出她的腫瘤又開始生長時，蒂爾斯滕將她轉用了另一種剛獲得了FDA的批准的藥物。

這些天，Kapotes能夠花時間享受她的退休生活和陪伴她的家人。她現在服用的新批准藥物是通過與以往不同的機制起作用的，但是如果不是參與ruxolitinib臨床試驗，Kapotes將永遠沒有機會服用這次有效果的藥物。

Tiersten認為：「因為在試驗中，她堅持了足夠長的時間。」

相關報導：

https://www.sciencemag.org/news/2020/06/computer-algorithms-find-tumors-molecular-weak-spots

志願者介紹

點「在看」的人都變好看了哦！