生物信息学在肿瘤研究中的应用：从多组学数据到精准治疗

随着高通量技术的迅速发展和测序费用的不断降低，产生了各种癌症和正常组织的多组学测序数据，以及基因表达综合数据库（Gene Expression Omnibus，GEO），国际癌症基因组联盟（International Cancer Genome Consortium，ICGC），TCGA等公开、透明的网络数据库资源。通过高通量数据的分析有助于探索肿瘤的特点，了解肿瘤的发生，为肿瘤的诊断、治疗，甚至新药开发等重要医学问题产生巨大推动作用。21世纪是生命科学的时代，精准医学计划开辟了医学科技发展的前沿方向，生物信息学为其发展提供了便利和强有力的技术支持。

近几十年来，得益于测序成本的降低和计算机技术的跨越式进步，生物信息学也得到了快速发展，在越来越多的研究中发挥着重要作用。例如Zucman-Rossi团队通过基因转录表达谱和病理改变，结合肝细胞癌CTNNB1与TP53的互斥突变特征，定义了以不同表型为特征的两大HCC分组。并利用TCGA-LIHC数据对不同HCC特征进行了验证[147]。Zhang团队使用来自1098名HCC患者和835名正常对照的大型队列cfDNA样本，采用LASSO回归算法构建了一个与肿瘤负荷、治疗反应、肿瘤分期高度相关且的诊断预测模型，具有高特异性和敏感性[130]。Chen团队利用TCGA数据进行了泛癌的代谢基因差异表达研究，这些数据包含16种癌症的7764个肿瘤样本。该研究发现肝脏特异性的尿素循环在HCC中下调，并通过大规模公共数据集和临床收集数据确定了一种临床预后不良的特定CPS1缺陷型HCC亚型。通过体外和体内实验证实了CPS1在HCC中的关键作用，进行了治疗方法的探索[148]。这些研究表明，通过对癌症和疾病公共数据库中的大量数据进行生物信息学分析，可以帮助锁定肿瘤发生发展中的重要基因和与之相关的信号通路，从而为下一步的实验提供研究方向。

通过高通量技术和生物信息学分析，可以从多个层面探索肿瘤的特点。首先，通过基因表达谱的分析，可以发现肿瘤与正常组织之间的差异，找到与肿瘤发生发展相关的基因。例如，Zucman-Rossi团队通过基因转录表达谱和病理改变，定义了不同表型的肝细胞癌分组。其次，通过基因组学的研究，可以发现肿瘤中的突变和变异，进一步揭示肿瘤发生的机制。例如，TCGA和ICGC等数据库提供了大量肿瘤基因组数据，可以用于发现肿瘤的驱动基因和突变。最后，通过生物信息学分析，可以发现肿瘤的信号通路和代谢途径的异常，为肿瘤治疗提供新的靶点和治疗策略。例如，Chen团队通过泛癌的代谢基因差异表达研究，发现了肝脏特异性的尿素循环在HCC中的下调，并确定了一种临床预后不良的特定HCC亚型。这些研究表明，通过生物信息学分析可以揭示肿瘤的特点和机制，为肿瘤的诊断和治疗提供重要的指导。