普林斯顿大学的研究人员开发了一种新的计算方法，可以增加追踪癌细胞从身体的一个部位扩散到另一个部位的能力。这种细胞的迁移会导致转移性疾病，大约90%的癌症死亡是由于实体肿瘤造成的——大量细胞在乳腺、前列腺或结肠等器官中生长。了解转移的驱动因素可能会导致新的治疗方法，以阻止癌症在体内扩散。普林斯顿大学计算机科学教授、这项新研究的高级作者Ben Raphael问道：这些细胞中是否存在特定的变化或突变，使它们得以迁移？这一直是最大的谜团之一。在《自然遗传学》上发表的一项研究中，Raphael和他的同事提出了一种算法，通过将DNA序列数据与细胞位于体内的信息结合起来，来追踪癌症的转移。
博科园-科学科普：他们称之为MACHINA，意思是“转移性和克隆性历史整合分析”。算法可以让研究人员从目前获得的DNA序列数据中推断出过去的转移过程。与以往仅依靠DNA序列的方法进行的研究相比，这项技术对癌症迁移的历史有了更清晰的了解。有些研究推断出复杂的迁移模式并没有反映当前的癌症生物学知识。现在得到的数据集非常复杂，但复杂的数据集并不总是需要复杂的解释。MACHINA通过同时追踪细胞的突变和运动，发现某些患者的转移性疾病可能比之前认为的更少。例如在一名乳腺癌患者中，先前发表的一项分析认为，转移性疾病是由14个独立的迁移事件引起的。
而MACHINA则认为，肺部的一个继发肿瘤仅通过5个细胞迁移就能播撒剩下的转移。除了一组乳腺癌数据，Raphael和他的团队使用他们的算法来分析黑色素瘤、卵巢癌和前列腺癌患者的转移模式。一些附加的特性有助于提高MACHINA的准确性。该算法包含了一种基因不同细胞的混合模型，基于实验证据，肿瘤细胞可以成群结队地进入身体的新部位。它也解释了基因不同的肿瘤细胞和健康细胞的混合测序所带来的DNA数据的不确定性。伦敦癌症研究所(Institute of Cancer Research)的克里斯·罗科斯(Chris Rokos)进化与癌症研究员安德烈亚·索托里娃(Andrea Sottoriva)说：这种方法克服了许多挑战，从“难以分析、嘈杂”的肿瘤DNA测序数据中得出有意义的结论。
预计这种新方法将在基因组社区广泛应用，并将为癌症进化中最致命的阶段提供新的线索。MACHINA的发展为更广泛地检查大量癌症患者的转移模式铺平了道路，这可能揭示导致不同类型癌症扩散的关键突变。Raphael还计划通过合并肿瘤DNA和在血液中循环的肿瘤细胞的数据，以及DNA的表观遗传变化——可逆的化学修饰，使这一方法更加有效。更好的算法就像更好的显微镜。当用放大镜观察大自然时，可能会漏掉重要的细节，如果你用显微镜观察会发现更多。
博科园-科学科普｜参考期刊：Nature Genetics｜来自：普林斯顿大学
