日前，一支课题组研究了弥散性脑胶质母细胞瘤在常规治疗下的克隆演化，发现了肿瘤演化途径选择的早期预警因素，并提出治疗后肿瘤超突变现象产生的分子机制，为研究肿瘤治疗后耐药和预判病人预后提供了丰富的数据资源和机器学习工具。

                                                                                                                                             图片来源于网络，侵删

　　恶性胶质母细胞瘤是成年人常见的脑肿瘤，其治疗方法有限，病人预后普遍较差。标准治疗方案一般联合手术、放疗和化疗，并口服一种叫替莫唑胺烷基化的药物。

　　尽管治疗强度很大，癌细胞仍然难以根除，导致很多病人复发。复发后的肿瘤千差万别，有些病人的肿瘤会从较低的二级或三级进展为更加恶性的四级，有些病人依旧停留在二级或者三级，还有些病人的肿瘤细胞会产生超突变现象，进而会对治疗产生抗药性。

　　多年来，香港科技大学教授王吉光实验室一直与临床医生合作研究胶质瘤进展的分子机制。

　　2018 年，他们刻画了一批由低级别进展为高级别的肿瘤标本，在继发性胶质母细胞瘤中发现导致 MET 基因 14 号外显子跳跃的突变，进而使得这一部分患者的肿瘤细胞出现 MET 通路的过度激活。

　　以 MET 为靶标，王吉光的合作者开发了新的治疗方案，为患者提供了新的希望。

　　然而，肿瘤演化依旧是困扰各类治疗的棘手的因素，理解肿瘤的演化机制和预测肿瘤演化过程，是王吉光实验室长久以来关注和重点研究的核心问题。

　　为了研究胶质瘤的演化过程，王吉光课题组通过合作和文献挖掘，收集分析了成年胶质瘤治疗前后匹配的测序数据。

　　与传统策略不同，他们不止比较了治疗前后肿瘤细胞各组学、各层面的变化，而且研究了肿瘤进展过程中早期因素与晚期因素的相互关联，发现一些晚期因素可以通过整合多组学信息来预测。

　　最主要的，他们发现 CDKN2A 的基因组删除，可以在肿瘤诊断的早期预测复发时刻可能出现的肿瘤坏死、以及新生血管等高级别胶质瘤的特征。

　　他们还发现，MYC 的基因组扩增在中国人群中较多，且与治疗后出现的超突变现象相关。通过生物实验课题组验证了两者的关联，并提出了可能的分子机制。

　　最后，他们开发了一个机器学习模型叫 CELLO2，可以整合早期特征预测肿瘤的演化方向，进而评估病人预后。总的来说，这项研究体现了大数据和计算方法在肿瘤精准医疗中的重要作用，也为肿瘤患者提供了预后判断的新工具。

　　文章摘自网络，侵删