 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。 6 a8 `* g" H& ]8 ^9 d6 a3 _% S
+ k# w# q2 `3 X- a: m1 {
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。
& F% r/ r) q3 X4 [8 b# Q: _8 B' w4 \3 W
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。 5 F/ C* ]( z; Y: W
( I3 Q3 n( ]1 Q# M. C$ c5 r" e5 y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。 9 l% b$ ?6 z, e1 o" }
! z0 u4 K4 C0 _* k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。
8 L9 W j7 q: ]7 g- K2 K2 D# w( k, g1 ~$ |% ~& _* L. i$ z
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。 7 Q, Q4 H( e% S ?/ E: Q
n7 L t7 n7 h; L* N2 N3 y# T0 j
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。
6 j, d* a$ a# T+ W2 [0 P, ~( M
: p4 V N' E7 s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。 |
|