近日，一項刊登在國際雜志Nature Genetics上的研究報告中，來自普林斯頓大學的研究人員通過研究開發(fā)出了一種新型的計算方法，其能夠幫助有效追蹤癌細胞如何從體內(nèi)一個部位擴散到其它部位的，相關(guān)研究或為研究人員開發(fā)抑制癌癥擴散的新型干預手段提供新的思路和希望。

細胞的遷移就會誘發(fā)轉(zhuǎn)移性疾病的發(fā)生，其常常會誘發(fā)實體瘤中90%的患者發(fā)生死亡（實體瘤即表現(xiàn)為大量細胞生長在諸如乳腺組織、前列腺或結(jié)腸等器官中），闡明癌癥的轉(zhuǎn)移機制或能幫助研究人員開發(fā)出新型療法，來阻斷癌癥在機體中的擴散。

研究者Ben Raphael說道，這些轉(zhuǎn)移性細胞內(nèi)部是否存在特殊的突變來驅(qū)動其轉(zhuǎn)移呢？這項研究中我們通過研究開發(fā)出一種新型算法，其能通過將細胞中的DNA序列信息進行整合，來追蹤癌癥的轉(zhuǎn)移過程，研究者將這種算法稱之為“MACHINA”（metastatic and clonal history integrative analysis，轉(zhuǎn)移和克隆歷史整合分析）。

研究者表示，這種算法能幫助研究人員從目前獲得的DNA序列數(shù)據(jù)信息來推斷機體過去發(fā)生的癌癥轉(zhuǎn)移過程。相比當前僅基于DNA序列的方法而言，這種新技術(shù)還能夠繪制出癌癥遷移歷史的清晰圖譜，當前有些研究能夠推斷出癌細胞的復雜遷移模式，但這種模式并不能反映當前的癌癥生物學特定。

文章中，研究人員得到的數(shù)據(jù)非常復雜，但復雜的數(shù)據(jù)或許并不需要進行復雜的解釋，通過同時追蹤細胞的突變和移動，MACHINA算法就能夠在某些患者體內(nèi)發(fā)現(xiàn)由少量細胞遷移所誘發(fā)的轉(zhuǎn)移性疾病，比如，在一個乳腺癌患者中，此前研究人員分析發(fā)現(xiàn)，患者的轉(zhuǎn)移性疾病或許源于14個分離的遷移性事件，而這種新型算法卻發(fā)現(xiàn)，肺部中單一的繼發(fā)性腫瘤會通過僅僅5個細胞的遷移來播種其余的轉(zhuǎn)移過程。除了乳腺癌數(shù)據(jù)圖譜以外，研究人員還能應用這種算法來分析多種癌癥患者體內(nèi)的癌癥轉(zhuǎn)移模式，比如黑色素瘤、卵巢癌和前列腺癌等。

此外，多項額外的特性還能夠幫助改善MACHINA算法的準確性，這種算法包括了一種不同遺傳特性細胞的整合模型，其是基于一定的實驗性數(shù)據(jù)所開發(fā)的，即腫瘤細胞能以簇的形式來在機體中建立新的位點，同時這種算法還能幫助闡明來自腫瘤細胞和健康細胞中不同DNA數(shù)據(jù)的不確定性。研究人員表示，這種新方法未來或有望廣泛用于基因組學研究中，同時還能夠闡明癌癥進化的致死性階段。

MACHINA算法的開發(fā)或為研究人員深入闡明大量癌癥患者體內(nèi)的轉(zhuǎn)移模式提供了新的線索，同時也能夠幫助揭示誘發(fā)不同類型癌癥擴散的關(guān)鍵突變；下一步研究者Raphael將會加入來自血液中循環(huán)的腫瘤DNA、腫瘤細胞以及DNA表觀遺傳學改變的數(shù)據(jù)，使得這種新方法更加強大，最后研究者表示，一種更好的算法就好比一臺強大的顯微鏡一樣，當你認真觀察微觀世界時就會發(fā)現(xiàn)一些重要的細節(jié)，當然癌癥轉(zhuǎn)移的研究亦是如此。