癌症研究会议提供寒武纪生物学爆炸数据科学的机会

十年之间有多大的不同。十年前，癌症的治疗前景非常明显，并且有一种明显的挫折感;虽然针对特定分子缺陷的2001年伊马替尼(Gleevec)的出现，表明针对不同癌症病变的有效精确疗法的浪潮即将在田间洗净，到2008年，这种令人兴奋的乐观情绪大部分被失望感所取代。和幻灭。似乎没有很多其他Gleevecs，癌症似乎再次躲避驯化。在我当时工作的默克公司，肿瘤学组吸引了许多非常有才华的医生和科学家，但在市场上或在管道中都没有多少;大多数其他公司的同事表现并不好。

所有这一切都发生了变化，认识到身体对抗癌症的能力不足;我们的免疫系统，有说服力地证明，具有潜在的识别能力，并且在某种程度上阻止了我们每个人不断开始形成的癌症(事实证明)。(有关癌症免疫治疗兴起的详细信息，请参阅我的四月华尔街日报评论及其中所述的两本书。)2013年，癌症免疫疗法被授予科学“年度突破”奖，并于2018年获得癌症免疫治疗James Allison先生和Tasuku Honjo先生获得了诺贝尔医学奖。

在过去四年中，出现了几个突出的例子，其中包括旨在帮助免疫系统努力的强效新药 - “检查点抑制剂”药物，如nivolumab和pembrolizumab(我在这里详细介绍了其令人着迷的历史)，它释放了制动免疫系统，以及所谓的CAR-T细胞，它可以增强免疫细胞的活力并使其更有效。尽管只有一些患有某些肿瘤的患者受益，但这些发现已经完全重新定义并重新激活了癌症生物学领域，提出了一种戏剧性的新思维方式，并指出了可能有助于大多数重病的新的，更有效的方法。现有方法不能很好地服务于癌症患者。

寒武纪爆炸

结果 - 可以在亚特兰大召开的年度美国癌症研究协会(AACR)会议上看到 - 最好被描述为寒武纪爆发的新分子启发方法，因为学术实验室和生物制药公司急切地寻求发展下一代抗癌药物，充满了深刻的乐观情绪，他们现在至少有一个路线图的轮廓，一个他们可能想要探索的地区的感觉。

广泛认识到免疫系统在肿瘤控制中起着至关重要的作用，这使得研究人员能够 - 更恰当地说，有义务 - 整合来自多个学科的积累的知识：癌症生物学(思考信号转导障碍)，免疫学和一个研究领域，专注于所谓的“肿瘤微环境”(通常称为TME)，癌症生长的局部环境，似乎具有独特和相关的特性，特别是具有深度免疫抑制作用的趋势。

正如斯隆 - 凯特琳癌症中心(MSKCC)的首席分析官Ari Caroline恰当地总结的那样，“看来我们在洞察癌症的潜在机制方面取得了很大进展。特别是，癌症如何对许多新型免疫疗法治疗作出反应或停止反应，这些疗法已成为过去几年的主要头条新闻。“

AACR专注于相对早期的癌症研究(与下个月的美国临床肿瘤学会(ASCO)年会相比，其包括更多的晚期临床试验)，似乎恰好反映了该领域的现状：蔓延，有时压倒性，精力充沛，乐观，真的非常令人兴奋。有一种明显的感觉，分子生物学的工具，在过去几十年中得到发展和完善，最终可以有效地用于抗癌。我可以理解为什么亿万富翁科技企业家肖恩·帕克去年年底告诉Wired，在一个故事中标题为“为什么DNA是今天最令人兴奋的编程语言”，

“我今天给年轻人的建议不是进入计算机科学;一个更令人兴奋的地方是生物学世界。它正在经历20年前信息技术发生的同样的变革。“

帕克显然实践了他所宣扬的内容 - 他不仅建立了帕克癌症免疫疗法研究所，专注于协调该领域的研究，但我与研究所相关的同事的理解是，帕克本人非常自学，现在遵循主要科学文学的强度和参与度很高。

数据和数字？

事实上，如果有一只Holmesian狗在本次会议上没有咆哮，那很可能是数据科学和数字健康 - 不是因为这个学科被排除在外(有专门针对“融合”的讲座和海报)，但是因为至少从表面上看，它似乎并不是行动的所在。

但即使数据和数字在这里似乎没有产生太多的嗡嗡声，但在许多方面，这个话题潜伏在表面之下。数据和数字的有希望的新兴例子不仅仅是一种充满异国情调的“跳舞熊”方法，而且作为工具箱中的另一个潜在工具，我特意感到震惊，这种方法是故意部署的，以满足特定的研究需求。

例如，麻省理工学院Tyler Jacks实验室的博士后Peter Westcott描述了与芬兰数字病理学公司Aiforia的合作，该实验源于实验室迫切需要评估小鼠肺肿瘤病理学的规模和一致性。可由个别技术人员实现。该实验室使用特定的基因工程小鼠，易患肺癌，因此，实验可以产生大量的肺组织病理学样本。通过训练算法来读取染色的载玻片并识别正常组织和癌症的区域，实验室已经能够推进他们的工作。根据Westcott的说法，这种方法的使用现已成为他们实验室进行这些研究的“最佳实践”。

第二个例子涉及Gritstone Oncology的Tommy Boucher的介绍，该公司有兴趣开发由“新抗原”驱动的癌症疫苗 - 来自癌症表面但不是正常细胞的分子的蛋白质片段。该小组开发了一种深度学习模型(最近在描述自然-生物技术，在这里)，以优化其在新抗原疫苗他们要使用的选择;也看到这个2018年MedCityNews文章。正如首席执行官Andrew Allen所总结的那样，“神经网络模型使我们能够训练高性能模型，使我们能够准确识别将作为真正T细胞抗原发挥作用的肿瘤突变。”与Jacks实验室示例类似，Gritstone利用AI不是因为他们他们正在寻求应用这项技术，而是试图解决疫苗开发的挑战，在这种情况下，AI似乎是这项工作的正确工具。

据一些专注于数据科学的AACR参与者表示，在应用数据科学工具来帮助研究人员和临床医生解决他们所面临的日益增加的复杂性时，人们对肿瘤学产生了浓厚的兴趣。正如Dana-Farber癌症研究所(DFCI)的医生Eli Van Allen专注于“临床计算肿瘤学”所解释的那样，现在“关于下一波免疫后检查点封锁转化疗法将会是什么样子的一般不确定性”，需要弄清楚如何“利用正确的数据来回答这个问题。”范艾伦继续说道，

“我们一直在寻找任何方法来揭示可以帮助癌症患者的药物开发和患者分层的新目标。鉴于新生物技术产生的数据量庞大且复杂，癌症生物学界渴望与数据科学/技术专家进行更直接的合作和互动，以便以趋同的方式正面解决这一问题。

范艾伦实验室的博士后Haitham Elmarakeby介绍了这种未来应用的一个早期例子 - “可解释”(vs黑盒子)神经网络的(持续)开发，以区分病变是代表原发肿瘤还是转移性病变，因为治疗方法可能会发生显着变化 - 复发治疗通常不同于原发病的治疗。

分层患者，消除平均肿瘤

MSKCC的Caroline对他在患者分层中观察到的进展表示赞赏，这表明AACR出现的“最大新闻”是我们在精确诊断方面取得的进展。总的来说，基因组已经变得更加准确。“他认为来自他所在机构的工作”为这些基因组成为什么设置了标准，“断言，”MSK-IMPACT小组主要是负责我们对总肿瘤突变负荷(TMB)与免疫检查点抑制剂反应率之间关系的见解。“

Caroline和其他人强调的一个新兴趋势是使用液体活检的重要意义 - 通过测量其泄漏到血液中的DNA来评估实体肿瘤的特征，主要是因为方便性是不可抗拒的(可能类似于使用智能手机进行摄影而非“液体活检在治疗决策中发挥积极作用的潜力现在似乎是一种非常现实的可能性，”卡罗琳说。“虽然由于显而易见的原因，反复的手术活检是不现实的，但定期采血是切合实际的。通过血浆监测治疗反应，抵抗指征和整体疾病状态的能力，可以真正改变肿瘤学的实践。“(使用液体活检进行癌症监测不会'Imran Haque强调说。)

AACR出现的另一个与技术相关的主题是关注我称之为“去平均化”的肿瘤，而不是分析大量或“群体”水平的肿瘤细胞(例如粉碎肿瘤和分析提取的DNA) ，比如说)科学家现在有机会在单细胞水平上分析癌症(在研究环境中，至少目前为止)。从某种意义上说，您可以将此视为应用于癌症的个性化原则：它可以更好地描述个体细胞的特征，并且可以更加细化地了解和理解与癌症相关的异质性。虽然大部分工作都集中在单个细胞的DNA或RNA上，但宾夕法尼亚大学的科学家Arjun Raj却特别着迷。，通过优雅的成像方法，对个体细胞的范围表型参数进行了富有想象力的综合分析。

改善的空间

毫不奇怪，在AACR上呈现的几位“硬核”数据科学家似乎对可用于分析的数据相对缺乏感到沮丧，而且一些数据的可靠质量，一致性和可靠性已经通过实验生成，我听说过Insitro的Daphne Koller等专家所表达的担忧。

似乎也需要改进临床数据 - 不仅包括更多数据，还包括更密集，理想，更标准化的数据。正如MSKCC的卡罗琳所说，

“为了让基因组小组的见解真正有价值，他们必须与一致的临床数据密切配对，这些数据描述了患者的诊断特征以及他们对治疗的反应。虽然我们已经在MSK采取措施以确保获得一致的临床数据，但该行业的其他部门却远远落后。迄今为止，为肿瘤学开发的唯一真正深入的临床数据模型是由Flatiron，Tempus和Cota等人创建的专有模型。美国食品药品管理局(以及国家癌症研究所)已经显示出一些承诺，可以在更广泛的标准化肿瘤数据模型方面起带头作用，但我们仍处于这一努力的早期阶段。“

除了这些问题之外，我还发现自己越来越担心过度解释数据;在一些讨论中，似乎可以使用产生大量数据的工具比较两个实验条件，例如全基因组测序或广泛的转录组数据，并且将围绕通过分析鉴定的选择分子产生叙述。 。这感觉很像一些早期基因芯片研究的经验，它使用了非常相似的方法，并产生了许多似是而非的发现;事实上，有动力的研究人员可以围绕大多数随机基因或蛋白质的小集合产生引人入胜的叙述，我们最能避免诱惑。

标签：

免责声明：本文为转载，非本网原创内容，不代表本网观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。