乳腺癌已經成為最常見的惡性腫瘤類型之一。記者19日獲悉，中國多學科專家歷時5年，攜手繪制出大規模的亞洲人群全乳腺癌多維組學圖譜。

據介紹，圖譜將既往乳腺癌研究的多個維度生物信息進行深度整合，以尋找對新興治療方法敏感的乳腺癌群體；進而利用多模態融合，優化乳腺癌患者復發風險的分層，形成“立體式”精準診療策略，為乳腺癌的精準診療提供了新思路。

這項最新研究成果由復旦大學附屬腫瘤醫院邵志敏、江一舟教授團隊、上海市生物醫藥技術研究院黃薇教授團隊、復旦大學生命科學學院和人類表型組研究院石樂明/鄭媛婷團隊協同攻關獲得。國際腫瘤學頂刊《自然·癌癥》在線發表了這項最新研究成果。“該研究以臨床應用為導向，通過對大規模乳腺癌隊列分子特征的系統性描繪與整合分析，為乳腺癌患者管理提供了更精準的策略。”邵志敏教授說。

“越來越多的研究表明，乳腺癌是一種特性復雜的惡性腫瘤。不同乳腺癌患者的腫瘤特性不同，同時治療效果也有明顯差異。‘量體裁衣’已成為當前乳腺癌精準診治方向。”復旦大學附屬腫瘤醫院乳腺外科主任兼大外科主任邵志敏教授表示，“這要求我們從多個角度和層面系統性地解析腫瘤的特性，以便進行更精準的個體化治療。”

既然不同層面的研究已為乳腺癌患者的精準診治帶來曙光。那么，能否將既往各層面的研究成果進行整合，通過不同組學、多維度的信息協同，充分實現“1+1大于2”的“立體式”效果，讓乳腺癌患者獲益更多？邵志敏教授直言，不同組學維度提供的生物學信息深度整合難度很大，如何利用這些復雜數據指導患者臨床診療也亟待探索。

基于上述思考，研究團隊開展了多組學、多維度的項目研究，并獲得多項成果。基于前期的數據庫搭建和多模態融合技術，研究人員實現了從微觀到宏觀的多維信息有機融合，成功構建了基于機器學習的多模態風險分層模型。復旦大學附屬腫瘤醫院副院長江一舟教授表示，通過多維信息間相互補充，有助于提高模型預測效能。研究成果顯示，相比臨床常用指標，TMPIC模型能更好地預測乳腺癌患者復發風險，為乳腺癌患者的精準分層提供了有力的工具。TMPIC模型包括:融合轉錄組、代謝組(M)、數字病理(P)特征及免疫組化分型(I)、臨床分期(C)。

據悉，該研究是復旦大學附屬腫瘤醫院與復旦大學生命科學院表型組研究院共同完成的一項重要成果，展現了高水平研究型大學跨院系“產學研用”密切合作，實現“資源整合-優勢互補-共促創新成果”的良性循環。

免責聲明：該文章系本站轉載，旨在為讀者提供更多信息資訊。所涉內容不構成投資、消費建議，僅供讀者參考。