Breast Cancer, Familial

点击蓝字，关注我们 编者按：近年来，中国乳腺癌领域的临床研究取得了显著进展，尤其是在新药临床研究方面，发表了一系列原创性研究成果，对国际乳腺癌治疗领域产生了重大影响。在2025南北汇上，中国医学科学院肿瘤医院徐兵河院士带来了“中国乳腺癌药物临床研究进展与展望”的讲课，详细介绍了HR+、HER2+及三阴性乳腺癌的临床研究进展。会后，肿瘤瞭望特邀徐兵河院士介绍了近年来中国乳腺癌临床研究在国际舞台上地位的变化、SGBCC早期乳腺癌共识投票的关注内容及中国乳腺癌临床研究的未来发展方向。 01 肿瘤瞭望：您在本次大会上带来了“中国乳腺癌药物临床研究进展与展望”的讲课。请回顾讲课内容，为我们介绍一下近年来中国的乳腺癌临床研究有哪些重要进展？ 徐兵河院士：近十年来，中国乳腺癌领域的临床研究，尤其是新药临床研究发展极为迅速。表现为我们从过去参与、跟随国际多中心临床研究，到近年来在乳腺癌临床研究领域取得显著进展、发表一系列原创性研究成果，并在国际、国内均产生重大影响。这些进展可归纳为以下几方面： 1 激素受体阳性（HR+）乳腺癌 既往HR+乳腺癌的内分泌治疗，强调序贯使用，即一种内分泌治疗药物失效后更换为另一种。CDK4/6抑制剂问世后，改变了乳腺癌的治疗格局。我们牵头开展了国内首个原研CDK4/6抑制剂达尔西利的III期临床研究——DAWNA-1研究。该研究的期中分析成功达到主要终点，结果表明，与安慰剂联合氟维司群相比，达尔西利联合氟维司群显著改善了无进展生存期（PFS，HR 为 0.42），研究结果正式发表于《Nature Medicine》杂志。在此基础上，我们又开展了达尔西利一线治疗的DAWNA-2研究。该研究以标准治疗药物非甾体类芳香化酶抑制剂来曲唑或阿那曲唑作为对照组，研究组在此基础上加用CDK4/6抑制剂达尔西利。研究证实，联合治疗效果明显优于单药治疗，结果也发表在《Lancet Oncology》杂志。该研究结果不仅改变了国内诊疗指南，还被评为2023年度中国十大医学临床研究进展之一。 此外，我们还开展了一些克服CDK4/6抑制剂耐药的研究。例如，HDAC抑制剂、mTOR抑制剂联合芳香化酶抑制剂（AI）等。我们牵头的MIRACL研究显示，依维莫司联合来曲唑可延长绝经前患者的PFS。ACE研究证实，西达本胺联合甾体类AI依西美坦疗效优于单用依西美坦。这些研究结果丰富了HR+晚期乳腺癌的治疗选择，为患者提供了更有效的治疗手段，也改变了诊疗实践。 2 HER2阳性乳腺癌 在HER2阳性乳腺癌治疗领域，中国学者开展了多项小分子酪氨酸激酶抑制剂（TKI）——吡咯替尼的研究。PHENIX研究结果显示，对于紫杉类和曲妥珠单抗治疗失败的患者，吡咯替尼联合卡培他滨较单用卡培他滨显著提升了PFS和客观缓解率（ORR），且卡培他滨单药组疾病进展后序贯使用吡咯替尼仍可获益。PHOEBE研究结果表明，吡咯替尼联合卡培他滨在PFS方面优于拉帕替尼联合卡培他滨，总生存期（OS）也有改善趋势。这些研究结果多次在国际会议上以口头报告形式展示。 在HER2阳性乳腺癌患者的晚期一线治疗中，曲妥珠单抗+多西他赛是标准的一线单靶治疗方案。我们牵头的PHILA研究是一项全国范围内开展的随机、双盲、多中心、安慰剂对照的III期临床研究，旨在比较吡咯替尼联合曲妥珠单抗+多西他赛（PyroHT 组）与安慰剂联合曲妥珠单抗+多西他赛（HT组）在HER2阳性晚期乳腺癌一线治疗中的疗效。结果证实，大小分子联合方案明显优于曲妥珠单抗+化疗。PyroHT组和HT组研究者评估的中位PFS分别为 22.1个月和10.5个月（HR=0.44，95% CI：0.36～0.53；P＜0.0001），这是目前晚期一线治疗中获得的最长PFS，研究结果于2023年发表在《The British Medical Journal》杂志。吡咯替尼在晚期二线和一线治疗的研究方案也被写入了晚期乳腺癌国际指南（ABC）第七版，得到了国际同行的认可。目前，HER2阳性乳腺癌领域还有双抗类药物、ADC药物布局于晚期二线、一线、术后辅助和新辅助治疗的研究，其结果值得期待，有望进一步丰富中国乳腺癌患者的治疗选择。 3 三阴性乳腺癌 我们最早在国内开展了铂类药物治疗三阴性乳腺癌的研究，结果证实铂类药物在晚期三阴性乳腺癌一线治疗中优于传统化疗方案。国内同行在新辅助治疗和术后辅助治疗领域的研究也证实，铂类在三阴性乳腺癌，特别是在BRCA1/2突变患者中具有重要地位，疗效更佳。 目前，三阴性乳腺癌研究更多集中在免疫治疗和ADC治疗领域。我国研究者牵头的 TORCHLIGHT研究结果显示，特瑞普利单抗联合白蛋白结合型紫杉醇作为一线治疗方案，为PD-1阳性晚期三阴性乳腺癌患者带来较好的生存获益，研究结果发表于《Nature Medicine》杂志。免疫治疗在三阴性乳腺癌一线治疗和新辅助治疗中的地位较为明确，但免疫治疗联合不同化疗药的疗效存在差异，PD-1和PD-L1抑制剂疗效也可能不同，不同给药方式也会影响免疫治疗效果。此外，免疫治疗的副作用需引起关注，如心肌炎、肾炎、甲状腺功能减退等，国内同行在研究过程中应高度重视这些副作用。 中国的ADC药物研究主要集中在靶向Trop-2的ADC。例如，SKB264（芦康沙妥珠单抗）的III期OptiTROP-Breast01研究证实，与医生选择的化疗相比，SKB264能显著改善患者的PFS和OS。该研究结果在2024年美国临床肿瘤学会（ASCO）大会上进行口头报告，近期将在国际期刊发表。 总体而言，近年来中国乳腺癌新药临床研究进展显著，新药不断涌现。未来研究方向包括发现新乳腺癌靶点、针对靶点研发创新药物、优化治疗方案、寻找可预测疗效和安全性的生物标志物、开展多中心临床研究等。期待国内同行加强合作，将更多中国原创药物推向全球。 02 肿瘤瞭望：您和您的团队在乳腺癌临床研究方面取得了显著成就，如DAWNA系列研究、LEONARDA-1研究、MIRACLE研究等，这些研究不仅在国内产生了重要影响，也在国际上获得了广泛认可。您如何看待中国乳腺癌临床研究在国际舞台上的地位和作用？未来，中国如何进一步提升在全球乳腺癌研究领域的贡献和影响力？ 徐兵河院士：中国乳腺癌研究在国际上的影响力正逐步提升。在国外学术会议中，国际同行熟知并对我们牵头的吡咯替尼相关研究表现出浓厚兴趣。目前，印度、韩国已针对此药开展相关研究，未来日本也有开展相关研究的可能性。由于亚洲人种具有相似性，国际同行认为在中国患者治疗中有效的药物，在其他亚洲国家可能同样有效。因此，中国的原创研究成果备受国际同行关注，相关成果被写入国际指南，使国际同行对中国原创研究有了更深入的认识。 随着中国相关研究的持续推进，在国际舞台上的话语权也在不断增强。以今年的圣加伦国际乳腺癌大会（SGBCC）为例，中国专家团新增了殷咏梅教授这一女性代表，专家人数增加至5人（包括1位中国台湾代表），这充分表明中国在全球创新药研发及学术水平方面的影响力，已获得国际同行的高度认可。 此次SGBCC大会即将召开，我们倍感欣喜。一方面，能够与更多老朋友重逢，同时结识新的国际同行和朋友；另一方面，期待大会上能够听到更多来自中国的研究进展。我们团队的年轻医生荣获了SGBCC海报奖，并受邀进行大会发言，这体现了大会对年轻医生的认可。此外，在本次大会中，专家团成员不仅参与了早期乳腺癌的共识投票，还参与了组织环节，并设有报告环节，这进一步证明中国在乳腺癌学术领域的地位日益受到国际同行的认可，我们也期待在未来的会议中收获更多惊喜。 03 肿瘤瞭望：作为SGBCC大会早期乳腺癌共识投票的参与专家，请就您较为关注的内容进行介绍。 徐兵河院士：目前大家较为关注的内容主要集中在三大方面，分别是手术、放疗以及内科治疗，这三个方面属于大的范畴。此外，还有一些小的方面值得关注，比如病理诊断以及基因检测方面。对于基因检测，我尤为关注的是，是否所有乳腺癌患者在确诊后都有必要进行基因检测。我希望了解国际同行对于这一问题的看法。 以BRCA1/2基因检测为例，是否需要对所有乳腺癌患者都进行该项检测？检测之后是否会带来一些不良影响？这其中涉及到诸多伦理、隐私以及法律层面的问题。例如，对于有家族性乳腺癌病史的未成年人，如果检测结果呈阳性，可能会对其一生造成影响，包括心理上的冲击，以及在未来就业、购买保险等方面是否会遭受歧视等问题，这些都值得广泛关注。因此，我想通过这次投票，了解大家对于基因检测的共识意见。 另外，在药物治疗方面，大家也在讨论蒽环类药物的使用。在双靶时代或ADC药物应用越来越多的背景下，我们是否需要在治疗中去掉蒽环类药物？这是过去的一个观点，现在也需要重新审视和讨论。我期待通过共识投票，了解大家在这方面的看法和意见。 关于术后辅助治疗适应症的掌握，国内和国外的情况有所不同。欧美总体趋势较为保守，而中国标准相对更宽泛一些。例如，在国内，基本上只要有淋巴结转移的患者都需要进行术后辅助治疗；而在欧美国家，既往对于腋窝淋巴结阴性的患者，会进行21基因、70基因检测等，高危患者需要化疗，低中危患者不一定化疗。现在对于1～3个淋巴结转移的患者，也会考量是否需要化疗，低危患者认为可以不做化疗。这种观念是否得到广泛认可，是我关注的另一个问题。 对于HER2阳性的乳腺癌，临床上存在的一些常见问题备受关注，比如多灶性的2～3毫米肿瘤，是否需要进行抗HER2治疗？在放疗技术方面，随着新的放疗技术不断涌现，哪些患者适合加量放疗，哪些适合常规放疗，哪些患者可以豁免放疗？这些都是备受争议且值得关注的问题。 在外科治疗领域，我们也关注哪些患者可以免除腋窝淋巴结清扫。国内通常的做法是，只要腋窝淋巴结阳性，无论是宏转移还是微转移的患者，都要进行腋窝淋巴结清扫，而国外部分患者是可以豁免腋窝清扫的。 我希望通过此次投票，了解国际同行对于手术、放疗、内科治疗等问题的意见，以便更好地推动乳腺癌的治疗与研究进展。 徐兵河 院士 中国工程院院士 中国医学科学院学部委员 北京协和医学院长聘教授 国家抗肿瘤新药临床研究中心主任 中国抗癌协会乳腺癌专业委员会和肿瘤药物临床研究专业委员会名誉主任委员 北京肿瘤学会和北京乳腺病防治学会理事长 （来源：《肿瘤瞭望》编辑部） 声 明 凡署名原创的文章版权属《肿瘤瞭望》所有，欢迎分享、转载。本文仅供医疗卫生专业人士了解最新医药资讯参考使用，不代表本平台观点。该等信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议，如果该信息被用于资讯以外的目的，本站及作者不承担相关责任。

本文中，小编整理了多篇重要研究成果，共同解读科学家们如何利用人工智能来改善人类疾病的诊疗及研究，分享给大家！ 本文中，小编整理了多篇重要研究成果，共同解读科学家们如何利用人工智能来改善人类疾病的诊疗及研究，分享给大家！ 【1】Nature：利用人工智能设计的新型蛋白可有效中和蛇毒中的毒素 doi：10.1038/s41586-024-08393-x 根据世界卫生组织的数据，毒蛇咬伤每年影响180万至270万人，每年导致大约10万人死亡，并导致大约30万人永久性残疾，包括失去肢体。大多数毒蛇咬伤发生在非洲、亚洲和拉丁美洲，这些地区薄弱的卫生系统加剧了这一问题。目前，用于治疗毒蛇咬伤患者的唯一抗蛇毒血清来自动物血浆，通常成本高、疗效有限、副作用严重。不同种类的蛇的毒液也存在很大差异，因此需要在世界不同地区进行定制治疗。 一项新的研究表明，对毒蛇咬伤的治疗可能会出现新的变革。来自华盛顿大学和丹麦技术大学的研究人员利用人工智能技术开发出可以中和蛇毒中致命毒素的新型蛋白，这可能为传统抗蛇毒血清提供一种更安全、更有效的替代品。相关研究结果于2025年1月15日在线发表在Nature期刊上，论文标题为“De novo designed proteins neutralize lethal snake venom toxins”。 三指毒素的作用靶标 具体而言，华盛顿大学医学院的David Baker团队和丹麦技术大学的Timothy Patrick Jenkins团队利用深度学习工具设计了一种新的蛋白，它可以结合并中和致命眼镜蛇的毒素。这项研究的重点是一类重要的称为三指毒素（three-finger toxin）的蛇蛋白，这通常是基于免疫动物的抗蛇毒血清失败的原因。 虽然还不能完全抵御蛇毒——每种蛇特有的不同毒素的复杂混合物——但是利用人工智能设计出的蛋白分子可以完全保护小鼠免受致命剂量的三指毒素的侵害：80%-100%的存活率，取决于确切的剂量、毒素和设计出的蛋白分子。 【2】PNAS：新型人工智能技术或能识别出更好的抗体疗法 doi：10.1073/pnas.2410529121 从缓解癌症到减缓COVID-19的症状，免疫疗法能提供革命性的疾病疗法，其能利用抗体（能结合体内称之为抗原的细胞标志物的特殊蛋白质）来靶向作用并消除抗原，然而，尽管免疫疗法非常有效，但其并未得到广泛应用，因为寻找合适的抗体来开发新型疗法对于科学家们而言是一项具有挑战性且耗时的工作。 近日，一篇发表在国际杂志Proceedings of the National Academy of Sciences上题为“Improved deep learning prediction of antigen–antibody interactions”的研究报告中，来自佐治亚理工学院等机构的科学家们通过研究开发了一种名为AF2Complex的新工具，其能利用深度学习来预测哪些抗体能与COVID-19中臭名昭著的刺突蛋白结合，他们利用已知抗原结合物的序列为深度学习模型创建了输入数据。 这种方法能在利用1000种抗体的一次测试中就准确预测90%的最佳抗体，而治疗COVID-19只是其潜力的开始；研究者Mu Gao博士说道，AF2Complex能改善治疗的发展，如果你拥有一个高质量的模型，那么你就能修补蛋白序列并优化抗体，从而使其更适合药物的开发。本文研究者并不是第一个使用深度学习来预测蛋白结构的科学家，但他们的确扩大了该模型的能力，2020年，获得诺贝尔奖的DeepMind AlphaFold（Alphabet计划的一个项目）就在利用深入学习预测单一蛋白结构上取得了重大突破，为此，这项研究中，研究人员将该模型用于预测蛋白复合体的结构。 【3】肠道微生物中的“双面特工”？Cell：利用人工智能确定对人体健康至关重要的一组肠道微生物 doi：10.1016/j.cell.2024.09.019 近日，一篇发表在国际杂志Cell上题为“A core microbiome signature as an indicator of health”的研究报告中，来自中国上海交通大学等机构的科学家们通过研究推出了一种新方法，用于鉴定人类常见的、对健康至关重要的一组肠道微生物。这一发现为精准营养和旨在控制与肠道微生物组失衡有关的慢性疾病（包括糖尿病、炎症性肠病和癌症）的个性化疗法提供了新机会。 核心微生物组（core microbiome）是指消化道中的一组在维持消化、免疫防御和心理健康等功能方面发挥着关键作用的微生物。当核心微生物组减少或丧失时，这会导致一种称为菌群失调（dysbiosis）的疾病，即肠道中有益微生物和有害微生物之间的失衡。菌群失调与许多慢性疾病有关，包括炎症性肠病、代谢紊乱、神经系统疾病、慢性肾病和某些癌症。 许多研究已表明，将有益的粪便微生物群从健康的结肠转移到患病的结肠可以缓解这些疾病，这有力地表明核心微生物组对维持人体的健康至关重要。核心微生物组的基本结构——两个不同的细菌群体，分别称为基础菌群（foundation guild）和病原菌群（pathobiont guild），它们进行着动态和稳定的相互作用，对维持人类健康至关重要。 利用人工智能模型，这种“两个相互竞争的细菌群体”方法将不同人群中的病例与对照组进行了分类，不受种族、地理或疾病类型的影响，并预测了四种不同疾病对免疫疗法的个性化反应。这个领域尚未就核心微生物组的确切构成要素或如何准确识别这些关键微生物参与者达成共识。 【4】AI揭示16万新病毒！Cell：我国科学家领衔利用人工智能技术发现161979种新的RNA病毒 doi：10.1016/j.cell.2024.09.027 人工智能（AI）正在帮助科学家们揭开生活在我们脚下和全球每个角落的多种多样的基本生命分支的神秘面纱。近日，一篇发表在国际杂志Cell上题为“Using artificial intelligence to document the hidden RNA virosphere”的研究报告中，来自中国中山大学等研究机构的研究人员利用一种机器学习工具发现了161，979种新的RNA病毒。他们认为这将极大地改善地球上的生命图谱，并有助于识别数百万种尚未表征的病毒。 文章中，研究者Edwards Holmes教授说：“我们看到了地球生命中原本不为人知的部分，揭示了非凡的生物多样性。这是单项研究中发现的数量最多的新病毒物种，极大地扩展了我们对生活在我们中间的病毒的了解。一下子就发现这么多新的病毒，真是令人震惊，而且这仅仅是触及了表面，为我们打开了一个发现的世界。还有数以百万计的病毒有待发现，我们可以用同样的方法来识别细菌和寄生虫。” 图片来源：Cell, 2024, doi:10.1016/j.cell.2024.09.027 虽然RNA病毒通常与人类疾病有关，但它们也存在于世界各地的极端环境中，甚至可能在全球生态系统中发挥关键作用。在这项研究中，作者发现它们生活在大气、温泉和热液喷口中。Holmes教授说：“极端环境中携带着如此多种类的RNA病毒，再次证明了它们惊人的多样性和在最恶劣环境中生存的顽强生命力，有可能为我们提供病毒和其他基本生命形式是如何形成的线索。” 【5】JAMA Netw Open：科学家利用人工智能有望帮助识别出未来会患乳腺癌的女性 doi：10.1001/jamanetworkopen.2024.37402 早期的乳腺癌检测与较低的发病率和死亡率有关。近日，一篇发表在国际杂志JAMA Network Open上题为“Artificial Intelligence Algorithm for Subclinical Breast Cancer Detection”的研究报告中，来自挪威国家公共卫生研究院等机构的科学家们通过研究发现，人工智能（AI）评分或能评估个体未来患乳腺癌的风险并进行早期诊断。 文章中，研究人员分析了用于进行乳腺癌检测的商用人工智能算法是否能评估未来个体癌症的发生；这项研究纳入了116，495名年龄在50岁至69岁的女性，其接受了至少连续三轮两年一次的乳腺X光检查。研究人员发现，在第一轮研究中，通过筛查发现癌症的女性乳腺的AI评分的平均绝对差异为21.3，第二轮研究则为30.7，第三轮研究为79.0，在间隔期癌症之前的平均差异分别为19.7、21.0和34.0。 对于未患乳腺癌的女性而言，第一轮研究的平均差异为9.9，第二轮为9.6，第三轮为9.3。对于筛查发现的癌症，受试者工作特征曲线下的绝对差异面积在第一轮研究中为0.63，在第二轮研究时为0.72，在第三轮研究时为0.96；对于间隔期癌症而言，受试者工作特征曲线下的面积分别为0.64、0.65和0.77。 【6】Nature：科学家成功结合人工智能技术和连接组的潜能来预测大脑细胞的活性 doi：10.1038/s41586-024-07939-3 如今研究人员能成功测定神经回路中每个神经元的连接性，但无法测定其它的生物学细节，包括每个神经元的动态变化特性，而对连接性测定在多大程度上能影响对大脑神经计算的理解，研究人员仍然并不清楚。近日，一篇发表在国际杂志Nature上题为“Connectome-constrained networks predict neural activity across the fly visual system”的研究报告中，来自图宾根大学等机构的科学家们通过研究成功利用人工智能（AI）和连接组的潜能来预测机体大脑细胞的活性。 科学家成功结合人工智能技术和连接组的潜能来预测大脑细胞的活性 有了神经元和AI方法之间的联系图谱，研究人员就能完成此前从未想过的研究，即预测单一神经元的活性，且并不需要在活体大脑中进行单一测量。几十年来，神经科学家们在实验室中花费了大量时间来测定活体动物大脑中神经元的活性，从而梳理出大脑如何促进机体行为的发生，这些实验能对研究大脑发挥作用的机制提供开创性的见解，但其仅仅触及到了研究表面，关于大脑研究的很多领域，目前研究人员还未进行。如今，研究人员利用AI和连接组（由大脑组织所产生的神经元及其连接的图谱）就能预测活体大脑中神经元发挥的作用。研究人员仅利用从果蝇视觉视同连接组中所收集到的有关神经回路连接性的信息，以及对该回路所发挥的作用进行相应推测，从而就创建了果蝇视觉系统的AI模拟，这就能帮助他们预测大脑回路中单个神经元的活性。 研究者Srini Turaga博士表示，如今我们有了一种计算方法，其能将连接组的测量结果转化为对神经回路和大脑功能的预测，且并不需要首先从难以获得的每个神经元的神经活动的测量开始。文章中，研究人员利用连接组创建了一个详细的深度机制性网络来模拟果蝇的视觉系统，其中模型中的每个神经元和突触都对应大脑中的真实神经元和突触。尽管研究人员并不知道每个神经元和突触的动态变化，但来自连接组中的数据就能促使他们利用深度学习方法来推断这些未知的参数，同时他们还能将这些信息与有关回路目标（运动检测）的知识结合起来。 【7】AI破冰癌症治疗！Cancer Res：牛津大学科学家利用人工智能技术开发更具个性化的癌症疗法策略，能显著延长患者复发的时间，最长可达两倍 doi：10.1158/0008-5472.CAN-23-2040 长期以来，癌症的标准治疗方案都旨在彻底清除癌细胞，然而，由于药物耐受性的出现，这些策略在应用到转移性癌症上时往往会失败。目前，适应性疗法策略已经发展成了一种可替代的方法，其能动态调整疗法以抑制耐药性肿瘤的增殖，从而减缓甚至阻止疾病进展，尤其在前列腺癌治疗领域显示出显著的临床价值。 近日，一篇发表在国际杂志Cancer Research上题为“Mathematical Model-Driven Deep Learning Enables Personalized Adaptive Therapy”的研究报告中，来自牛津大学等机构的科学家们利用人工智能（AI）技术开发了个性化的癌症疗法，旨在有效预防癌症复发，应对当前治疗中的关键挑战。这项研究中，研究人员通过联合研究引入了一种新型框架，其能应用深度加强学习（DRL， deep reinforcement learning，一种人工智能形式）来为前列腺癌患者创建出一种适应性的治疗计划。 研究结果表明，相比依赖最大耐受剂量(MTD)或非个性化间歇治疗相比，该新型适应性方法能显著延长患者复发的时间，最长可达两倍。研究者Kit Gallagher表示，该框架利用了数学模型产生的合成数据训练DRL算法，模拟先前临床试验的观察结果，成功创造出大量“虚拟患者”数据，便于评估难以在实际临床环境中测试的治疗方案。 【8】智能手表变身“数字医生”！Cell揭示AI分析可穿戴设备数据如何表征精神疾病并识别遗传关联 doi：10.1016/j.cell.2024.11.012 近日，一篇发表在国际杂志Cell上题为“Digital phenotyping from wearables using AI characterizes psychiatric disorders and identifies genetic associations”的研究报告中，来自耶鲁大学等机构的科学家们通过研究发现，智能手表不仅能记录你的步数和心率，还可能成为了解脑部疾病和行为障碍的强大工具。 利用来自5000多名青少年的智能手表数据，该研究团队训练了人工智能模型来预测个体是否患有不同的精神疾病，并发现了与这些疾病相关的基因。Gerstein教授解释说，“在传统精神病学中，医生评估你的症状，然后做出诊断。但在我们的研究中，我们通过处理可穿戴传感器的数据，不仅能够更全面地预测疾病，还能更好地将其与潜在的遗传因素联系起来。” 在这项新研究中，研究人员使用了来自美国最大的大脑发育和儿童健康长期评估——青少年大脑认知发展研究（Adolescent Brain Cognitive Development Study）的数据。这些数据包括9-14岁青少年佩戴的智能手表记录的心率、卡路里消耗、身体活动强度、步数、睡眠水平和睡眠强度等信息。研究者Jason Liu表示，“如果处理得当，智能手表收集的数据可以用作‘数字表型’。”他补充道，“这种数字表型不仅可以作为诊断工具或生物标志物，还可以帮助弥合疾病与遗传学之间的差距。” 【9】Brief Bioinform：利用基因组测序和AI分析或能揭示隐藏在乳腺癌发病背后的特殊遗传标志物 doi：10.1093/bib/bbae346 乳腺癌是如今影响西方女性健康最常见的恶性肿瘤，据估计，有高达10%的乳腺癌病例的发生归因于种系突变（germline variants），然而大多数家族性乳腺癌病例的遗传基础研究人员并不确定，因此发现促进家族性乳腺癌的易感基因或具有一定的挑战性，因为其被认为是非常罕见的、较低的外显率和复杂的生物学机制。 近日，一篇发表在国际杂志Briefings in Bioinformatics上题为“Discovering predisposing genes for hereditary breast cancer using deep learning”的研究报告中，来自耶路撒冷希伯来大学等机构的科学家们通过研究开发了一种新方法来分析乳腺癌高发的家族个体机体的遗传突变，通过分析12个家庭的1218个遗传突变，研究人员识别出了80个基因与乳腺癌风险增加有关，同时他们还强调了过氧化物酶体和线粒体通路在乳腺癌易感性和患者生存中的重要作用，这在以前被研究人员完全忽视了。 本文研究结果或能为阐明家族性乳腺癌背后的遗传基础提供了新的见解，尤其是其在中东血统的家庭中普遍存在；文章中，研究人员利用一种创新性的分析方法专门用来分析有乳腺癌发病史的家庭个体机体的遗传突变，这种方法结合了先进的机器学习技术和对蛋白质结构的详细分析，旨在调查罕见的遗传突变。通过对12个家庭中发现的1218个突变进行仔细分析，研究人员识别出了80个基因或会明显影响机体的乳腺癌风险，这一研究发现包括了70个此前未知的与乳腺癌相关的基因，这或许就极大扩散了研究人员对这种疾病遗传背景的理解。 【10】基因编辑新突破！Cell：AI算法解锁精神疾病遗传密码，精准定位“书中的错乱章节” doi：10.1016/j.cell.2024.09.014 想象一下，人类基因组就像一本庞大的说明书，里面包含了30亿个碱基对。这不仅仅是一份关于如何构建人体的指南，它还记录了疾病的发生以及我们的进化历程。这些碱基对就像是书中的字母，有时候它们会跳来跳去，换换位置——这就是所谓的重排。有时，这种重排很简单，就像是两个字母互换了位子；但有时候，事情就变得复杂多了，比如一整段话被倒置过来，或者干脆有几行字消失了。现在我们有了读这本书的高科技工具，叫做全基因组测序（Whole Genome Sequencing， WGS），它可以很好地找到那些简单的错误，但是面对复杂的结构变异（structural variant， SV）时，就有点儿力不从心了。 不过别担心，斯坦福大学医学院的一群科学家们带来了好消息！他们开发了一种新方法，利用人工智能来识别WGS数据中的复杂SV。相关研究结果于2024年9月30日在线发表在Cell期刊上，论文标题为“Detection and analysis of complex structural variation in human genomes across populations and in brains of donors with psychiatric disorders”。研究人员通过分析来自全球4000多个个体的基因组，创建了一个复杂SV的目录，并发现这类变异通常出现在大脑相关基因中，而且与精神分裂症和躁郁症等精神疾病的基因表达方式有关。 利用ARC-SV算法分析复杂的结构变异 斯坦福大学的Alexander Urban博士说：“这是一项突破性的进展，意味着我们在理解精神疾病遗传基础方面迈出了重要一步。”他比喻说，如果只寻找简单的变异，就好比校稿时只找错别字，而忽略了整个句子或段落的混乱。新的算法，名为ARC-SV（自动重建复杂结构变异算法），可以捕捉到各种DNA重排，准确率高达95%。这个算法就像是一个超级编辑，能够在送印前找出所有问题，包括重复、缺失或顺序错乱的部分。（生物谷Bioon.com） 生物谷更多精彩盘点！敬请期待！

AstraZeneca and Merck & Co’s – known as MSD outside of the US and Canada – Lynparza (olaparib) has been recommended by the National Institute for Health and Care Excellence (NICE) to treat a new subset of breast cancer patients. The health technology assessment agency has recommended that the drug be used on the NHS in England and Wales to treat adults with HER2-negative, locally advanced or metastatic breast cancer with germline BRCA1 or BRCA2 mutations after chemotherapy. Germline BRCA1 and BRCA2 mutations are responsible for approximately 52% and 32% of hereditary breast cancer cases, respectively, and patients carrying these mutations have a 50% chance of passing the gene variant to their children. Given as a tablet, Lynparza works by inhibiting the PARP enzyme, which helps cells repair damaged DNA. By blocking this enzyme, PARP inhibitors prevent the DNA of cancer cells being repaired, preventing them from growing and spreading. The drug has been available on the NHS in England and Wales to treat patients with early-stage, high-risk breast cancer with inherited mutations in BRCA1 or BRCA2 since April 2023. NICE’s latest decision was supported by positive results from the late-stage OlympiAD trial, which compared Lynparza against standard therapy in patients with a germline BRCA mutation and HER2-negative metastatic breast cancer who had received no more than two previous chemotherapy regimens for metastatic disease. Alongside meeting its primary endpoint of median progression-free survival, the study demonstrated that Lynparza-treated patients had a 42% reduction in risk of their disease worsening or death compared to those randomised to receive chemotherapy. Andrew Tutt, director of the Toby Robins Breast Cancer Now Research Centre at the Institute of Cancer Research and King’s College London, who was part of the team that developed Lynparza for patients for BRCA-mutations, said: “These results underpinned this positive NICE recommendation, which now provides another important oral targeted therapy option for our patients with this challenging diagnosis. “This emphasises the importance of accessing genetic testing, so that these targeted drugs can reach the patients who will benefit from them.” AZ and Merck announced a global strategic oncology collaboration in 2017 to co-develop and co-commercialise AZ’s Lynparza for multiple cancer types. Tom Keith-Roach, president, AZ UK, said the company was “delighted” with NICE’s latest recommendation of the drug.