生物通报道  对乳腺癌细胞功能进行的一次迄今为止最大规模的分析调查，指出了数十个现有药物的新用途，一些药物发现新靶点及新的药物组合。

作者们说，发布在1月14日《细胞》（Cell）杂志上的研究结果，可供全世界的实验室利用来鉴别其他类型癌症中的新候选药物及阐明癌细胞抵抗治疗的机制。

在纽约大学Langone医学中心， Laura和Isaac Perlmutter癌症中心，及玛格丽特公主癌症中心研究人员的领导下，这一研究小组通过对比以往更多的乳腺癌细胞类型进行遗传分析，采用新的统计学方法，及比较分子标签数据库和抗癌药物的效应得出了结论。

主要研究作者、Perlmutter 癌症中心主任Benjamin Neel博士说：“这项研究是迄今为止最大规模的一次研究调查：了解了乳腺癌细胞中遗传改变干扰对生长和生存至关重要的一些信号通路的机制，通过组合一些新的或现有的药物或可靶向这些信号通路。”

Neel说：“我们的新统计方法对早先的一些方法进行了改良——因为它们无法将癌细胞中一些遗传变化网络与癌细胞最依赖的复杂功能联系起来。”

了解Life Technologies公司突变筛查产品的更多信息

不同于早先的算法，新统计模型能够识别从前已知的一些特定乳腺癌亚型必需基因（例如HER2，雌激素受体/ER，HER3)。

更好的检测与治疗已将乳腺癌5年生存率提高到85%以上，但其中一半的患者仍然会死于这一疾病。迄今为止有限的治疗成功反映出，对于使得大多数癌症在面对应付单一疾病机制的治疗时能够存留下来的复杂分子变化网络仍缺乏了解。

新发现的模式推动未来的治疗

多年来，世界各地的实验室一直在开展大规模的基因组学研究，以鉴别促成乳腺癌的许多遗传改变。尽管这样的研究生成了有关不同癌症类型及亚型中遗传改变的一些信息，它们一直没有成功地确定哪些改变对于癌细胞的增殖及生存至关重要，或如何在治疗中利用这些改变。

为了补充这些基因组研究，近年来许多实验室已转向shRNA“敲除筛查”——在癌细胞中一个一个关闭看起来对生存最重要的基因。但过去大多数的研究都未检测足够的细胞系，从整体上捕捉乳腺癌中看到的各种改变的景观图。

当前的研究对77个乳腺癌细胞系进行了shRNA筛查——这一足够大的样本量代表了乳腺癌许多的亚型。该研究小组随后应用了他们新设计的统计技术：si/shRNA混合效应模型(siMEM)来给这些细胞系的遗传敲低研究结果评分，鉴别出了对癌症生长最至关重要的一些候选基因。他们还比较了这些结果和一些癌症遗传学、蛋白质互作大型数据库中的信息，及当药物有效或无效时癌细胞中看到的遗传改变。

结合这些方法在数据中构建出了更紧密关联在一起，影响一些癌细胞性状的新信号，并更好地筛除了一些假阳性。这项研究鉴别出了从前未知在乳腺癌细胞生存中起作用的一些候选基因。此外，研究小组还发现了对90种抗癌药物敏感或耐药的细胞必需的基因组合。

在鉴别出的一些新的三阴性乳腺癌潜在药物靶点中，有过去的研究揭示出的与脑瘤相关的信号蛋白(EFNB3和EPHA4)，调控了细胞生长信号通路的蛋白(MAP2K4, MAPK13)，和已知驱动了炎症的一种蛋白（IL-32）（延伸阅读：华人学者Nature子刊揭示三阴性乳腺癌治疗靶点 ）。

这一数据还提出了另外研究数十个治疗一些乳腺癌亚型的新的潜在药物组合，包括RAF/MEK和CDK4抑制剂，EGFR抑制剂和BET抑制剂与表阿霉素和长春瑞滨，及PLK1抑制剂与AKT抑制剂。

尽管新方法提出了在每个乳腺癌亚型中开展进一步研究的一些信号通路，作者们只挑选了一个进行分析证实这项工作在引导这一领域中所具有的潜力。进一步的实验证实BRD4是大多数luminal/HER2+癌细胞及一个三阴性乳腺癌细胞群生存必需的基因。

BRD4是BET家族的一个成员，BET家族帮助调控了对于细胞生长极为重要的许多基因，是当前用于白血病临床试验中的一类叫做BET抑制剂的药物的靶点。研究结果表明，BET抑制剂对于某些类型的乳腺癌可能也有用，对这些药物耐药有可能受到了磷脂酰肌醇3-激酶编码基因突变的影响，组合BET抑制剂和药物依维莫司（everolimus）可以对抗这种耐药。

Neel 说：“现在只有极少数的患者完成了对他们癌细胞的全基因组测序分析，这些少数人通常也未从这些结果中获得什么治疗利益。世界各地研究人员的最终目的是要很好地了解每个癌细胞线路图，阐明分子靶点及应该开发出哪些疗法，及哪些患者群体最有可能对治疗产生反应。”

（生物通：何嫱）

生物通推荐原文摘要：

Functional Genomic Landscape of Human Breast Cancer Drivers, Vulnerabilities, and Resistance

Large-scale genomic studies have identified multiple somatic aberrations in breast cancer, including copy number alterations and point mutations. Still, identifying causal variants and emergent vulnerabilities that arise as a consequence of genetic alterations remain major challenges. We performed whole-genome small hairpin RNA (shRNA) “dropout screens” on 77 breast cancer cell lines. Using a hierarchical linear regression algorithm to score our screen results and integrate them with accompanying detailed genetic and proteomic information, we identify vulnerabilities in breast cancer, including candidate “drivers,” and reveal general functional genomic properties of cancer cells. Comparisons of gene essentiality with drug sensitivity data suggest potential resistance mechanisms, effects of existing anti-cancer drugs, and opportunities for combination therapy. Finally, we demonstrate the utility of this large dataset by identifying BRD4 as a potential target in luminal breast cancer and PIK3CA mutations as a resistance determinant for BET-inhibitors.