 鲜花( 0)  鸡蛋( 0)
|
据加通社报导,加拿大研究人员日前开发出一种乳腺癌诊断的新技术,该技术预测患者康复率的准确度高达80%。此项电脑化工具的目标是帮助医生按照个别患者的肿瘤状况,采取更加有效的治疗方式。 1 S) [; [5 S+ J+ k& A) `, i
3 J k/ U/ H( ~: J4 x
此项名为动态网络模式(Dynamic Network Modularity)或DyNeMo的新技术,是用来分析癌细胞中的蛋白质及其他成分如何互相形成网络,而细胞网络的形成状况则预示着肿瘤将如何发展。
7 x2 y9 S: L& t# l2 v1 g0 K: O1 o6 a' R
多伦多西乃山医院(Mount Sinai Hospital)Samuel Lunenfeld Research Institute的高级研究人员Jeff Wrana表示,研究人员发现,蛋白质实际形成的网络并不是独立个体,而是相互关联,与人类的社交网络类似。
; ]+ l. P* `. K
, o+ V, I% L2 _% j. A此项研究报告发表在最新的《自然生物科技》(Nature Biotechnology)杂志上。研究人员对350名患有乳腺癌的妇女进行研究后发现,幸存者的肿瘤内的蛋白质网络组成,与死亡的患者不同。 ( n; z+ h W6 m, s7 `. l9 T7 R
- }" D% D5 a' t: v该项技术的合作发明者之一,Dr. Wrana实验室的分子基因博士Ian Taylor表示,DyNeMo将为医生提供更多信息,以便他们确定女性乳腺癌患者的肿瘤大小、发展阶段、级别及其他特征。但他同时表示,该技术并不能够取代其他的诊断技术,但是可以起到互补的作用,从而使得医生的诊断更加精确。虽然全球对蛋白质网络的研究增多,研究人员预期今后乳腺癌诊断的精确性将进一步提高。
' X- W2 b7 h h6 E9 W! ^7 b. @- W" N( R
Wrana表示,目前研究人员正在生物科技与制药领域寻找合作伙伴,希望能够将该技术商业化,并在5年内广泛应用于乳腺癌患者。 i2 G y- H W7 ]
, n3 e7 ?5 e% M- b% k5 V
研究人员同时还计划将该技术运用于其他类型的癌症,以查看是否能够预测患者对某种药物的反应。 $ ^/ ~: x% T* z: e) E1 ]
7 u' B0 m4 e6 V2 R6 @' }. \1 d哈佛医学院(Harvard Medical School)的基因学副教授Marc Vidal表示,在个人医学发展方面,多伦多的研究是重要的一步。 |
|