 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。 2 d# y# Q: @3 F" P* s1 i: Q/ V
0 L) T, K9 d' }, u( j
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。 / M# X! Z; D/ J; Z! v- y" ^ B$ y/ l8 s
# S9 b5 I" G& b9 o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。
! b: s, |3 ?% [9 Q" Z7 T5 p6 ~$ z# |& ?+ r' y6 C. 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。 9 H8 w" z; `' W" p
5 X1 r3 M1 X! d0 y5 O4 H
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。 $ Z% w' F; a9 I9 `. k, a
' F% F. l2 ?. Z( u4 N8 w) _1 {
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。 1 {! s$ ^5 u. h9 f
4 [2 _- {) c6 U; n5 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。
7 n' {& a, k9 M0 e
# C- M) v% x/ h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。 |
|