一项新的癌细胞系统分析确定了 27 种癌症类型的 370 个候选优先药物靶点，包括乳腺癌、肺癌和卵巢癌。

通过查看多层功能和基因组信息，研究人员能够对癌细胞生长和存活的因素形成公正的全景视图。他们发现了癌症治疗的新机会，从而向新一代更智能、更有效的癌症治疗迈出了重大一步。

在同类中最全面的研究中，来自 Wellcome Sanger 研究所、Open Targets 及其合作者的研究人员汇集了 930 个癌细胞系的数据。然后，他们使用机器学习方法来寻找最有希望开发新疗法的药物靶点，以及最能从此类疗法中受益的患者。这涉及评估这些靶标在实际患者肿瘤中的出现情况，并将它们与肿瘤中发现的特定生物标记以及遗传和分子特征联系起来。

今天（1 月 11 日）发表在《Cancer Cell》杂志上的研究结果不仅使研究人员距离制作每种类型癌症的每种脆弱性的完整癌症依赖性图¹又近了一步，而且有助于指导重点工作，加速有针对性的癌症治疗的开发。

目前有许多类型的癌症缺乏有效的治疗方法，例如肝癌和卵巢癌。化疗和放疗是有效的治疗方法，但无法区分正常细胞和癌细胞，因此可能对整个身体造成损害，并产生严重的副作用，例如极度疲劳、恶心和脱发。

需要基于驱动癌症的确切基因突变的新型精准药物来帮助每年数百万被诊断出患有某种癌症的患者，这些患者导致了全球六分之一的死亡²。然而，药物开发的失败率高达 90%³，成本高昂且效率低下。

基因组中有超过 20,000 个潜在的抗癌靶点，确定哪些适合针对特定类型的癌症和患者是一项重大挑战。

在这项新研究中，威康桑格研究所的研究人员及其合作者着手缩小潜在的药物靶点范围。通过分析癌症依赖图项目（该项目涉及 CRISPR 技术^4，每次破坏 930 个人类癌症系内的每个基因）的数据，他们能够对迄今为止潜在的新癌症靶点产生最全面的了解。

研究人员首先发现了不同癌症类型的弱点——所谓的遗传依赖性，意味着癌细胞依赖哪些基因、蛋白质或细胞过程生存——可以利用这些弱点来制定新疗法。然后，他们将这些弱点与临床标志物联系起来，以确定这些疗法对哪些患者最有效。最后，他们探索了依赖性标记对如何适应细胞内已知的分子相互作用网络，为细胞生物学如何被癌症破坏以及哪些靶标可能产生最有效的治疗提供了线索。

这项工作让人们更清楚地了解哪些类型的癌症可以通过现有的药物发现策略来治疗，并查明需要新颖和创新方法的领域。

研究结果强调了根据每种癌症的独特特征制定治疗方案的重要性，有望在未来为患者提供更个性化的护理，并减少副作用。

人类科技计算生物学研究中心的这项研究的共同主要作者 Francesco Iorio 博士表示：“通过分析有史以来最大的癌症依赖性数据集，我们提出了迄今为止最全面的人类癌症脆弱性图谱——它们的‘阿喀琉斯之踵’。” ”。我们确定了潜在治疗的首要目标的新列表，以及哪些患者可能受益最多的线索——所有这些都通过创新的计算和机器智能方法的设计和使用而成为可能。”

Wellcome Sanger Institute 和 Open Targets 的这项研究的共同主要作者 Mathew Garnett 博士表示：“我们的工作发现了 370 个候选优先目标，用于治疗最常见的癌症，包括乳腺癌、肺癌和结肠癌。这项工作利用最新的基因组学和计算生物学来了解我们如何最好地靶向癌细胞。这将帮助药物开发商将精力集中在最高价值的目标上，更快地为患者带来新药。”

两个人可能患有相同类型的癌症，但他们的疾病表现可能不同。这就是为什么我们需要精准医疗。这项雄心勃勃的工作是从一开始就为药物发现提供信息的研究的一个引人注目的例子，为更有效的精准癌症治疗铺平了道路。为人们提供针对其独特癌症的治疗可以提高成功的几率，并帮助更多的癌症患者活得更久、生活得更好。”

Marianne Baker 博士，英国癌症研究中心科学参与经理