 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。 ' D9 ?; L1 L9 A" @, o
5 k4 Y |( ]$ B- ?, I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。
; w. C9 j; ^( T! n# H7 s
4 ]3 i" m6 W- f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。 ( z" z5 o7 w6 U5 P. F
, z, G/ _* r$ T0 q: [6 F
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。 2 _- j) v% b7 a
/ G7 F- m1 [( K ~& j' b/ g' |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。 ) S+ ~; r ` w- D5 n" C
0 A e' B0 t" F9 S9 nWrana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。 ; w8 @. G! R( L( I% d8 ]
/ R* i* R% \* |
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。 , O+ m* i( ?2 z% |% }% g2 ~( o* i
6 H6 N) o: T! J) Z/ i2 B9 r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。 |
|