癌癥的異質性表征與深度表型

ShahinAlamAdibaSultana王姣何雪飛沈百榮

老齡化時代的到來，促使各國政府十分重視與之相對應的老年健康問題。老齡化社會最大的問題便是各種與老年相關的慢性疾病發病率居高不下。最近數據表明，我國超過1.8億老年人患有各種各樣的慢性疾病，為此國家提出了“健康中國2030規劃綱要”，全面推進“主動健康”理念。

老年人常見的慢性病主要包括心血管病、老年癡呆和癌癥三大類，其中癌癥的發病率隨著環境影響和現代生活習慣的改變逐年增加。癌癥的發生發展是一個漫長的過程[1]，癌癥從人體內的早期變異，積累到疾病癥狀的表現是一個動態的、抑制與發展相互制約的過程。

基于癌癥演化的基本規律的研究可以提高癌癥的早期風險發現的準確度，從而改善高風險人群的個性化生活習慣，提高自身的免疫力或抑癌能力。同時由于大多數老年患者的癌癥表現出慢性病特征[2-3]，因此老年患者的精神和慢病護理對疾病的治療具有很重要的輔助作用。

由于癌癥發病的動態性與多樣性，癌癥患者數據的收集與建模分析成為個性化治療的基本前提，癌癥的精準醫學和個性化治療是基于對患者的精準“基因型-表型”關系的精細描述與測量。隨著不同層次表型數據測量技術的進步，在多種分子表型和臨床癥狀表型融合的基礎上進行深度的個性化的臨床表型挖掘，將原有的粗粒化表型數據進一步精細化是目前醫學信息學研究的前沿領域之一。

本文將從醫學信息學角度，對癌癥的異質性、癌癥的深度表型發現、組合藥物治療等方面進行討論，并對未來基于5G互聯網技術、數據驅動和人工智能的個性化癌癥預防、慢性病管理的信息學進行研究展望。

1 癌癥的異質性與表征

癌癥的異質性意味著同一疾病或條件可以由多個因素引起或促成，即“條條大路通羅馬”，例如同一個肺癌可以有多種形成機制和表型，因此診斷和治療方案必須個性化。

癌癥或腫瘤是細胞異常生長的結果，并可能轉移到身體的其他部位。總的來說，癌癥異質性意味著不同的癌細胞可以表現出不同的形態和表型特征，如細胞形態、基因表達、代謝、運動、增殖和轉移潛能等方面的異質性。異質性既可以發生在癌癥之間，也可以發生在癌癥組織內部，分別稱為“癌癥或腫瘤間異質性”和“腫瘤內異質性”。由于“環境-基因-生活習慣”的復雜相互作用，癌癥在基因型、基因表達、細胞形態、代謝活性、運動性以及增殖率、抗原表達、藥物反應和轉移潛能等行為上往往表現出明顯的腫瘤內異質性。

在癌癥研究中，癌細胞異質性是導致癌癥治療出現問題的常見原因之一。腫瘤內異質性是單個腫瘤克隆進化的結果。異質性可能導致亞克隆在腫瘤環境中比其他亞克隆具有進化優勢，隨著時間的推移，某個亞克隆可能在腫瘤中占主導地位。拷貝數變異(Copy Number Variation，CNA)是一種遺傳結構變異，在癌癥的發生、發展過程中起著重要作用。異質性可以通過在一組選定的基因座上識別亞克隆拷貝數和序列來測量。變異等位基因片段的準確識別主要取決于同一基因座拷貝數和相應等位基因序列的準確測定。了解腫瘤內異質性對于檢測克隆和亞克隆拷貝數變異至關重要。

全基因組測序(Whole Genome Sequencing，WGS)和全外顯子測序(Whole-Exome Sequencing，WES)已被廣泛應用于癌癥基因組中不同類型的基因組畸變的鑒定。研究腫瘤的亞克隆結構對于了解腫瘤在疾病發展過程中的演變和對治療的反應具有重要意義，它有助于開發可靠的個性化癌癥治療臨床診斷應用。

癌癥基因組測序有助于研究腫瘤的特征。癌癥生物學中最具挑戰性的問題是腫瘤內發生的遺傳多樣性，稱為“腫瘤內異質性”。不同腫瘤的形態學檢查有助于更好地了解其異質性，最近的測序研究證實了單細胞水平的腫瘤內異質性。

具有不同遺傳特征的腫瘤的多個亞克隆是當前深入研究的主題，一些學者已經認識到進化模式。體組織測序在其周圍細胞的平均數上創建多個亞群，從中我們可以計算特定亞群的數量和基因組圖譜。通過對大塊組織進行全外顯子和基因組測序，我們可以估計亞克隆的數量和腫瘤純度，同時采用機器學習和回歸分析等多種分析方法對腫瘤異質性進行分析。

層次樹是從一個給定的圖像建立的，分支長度和其他派生的指標的總和是從樹計算出來的。這些指標捕捉腫瘤內異質性，然后可用于進一步的統計分析。

圖1展示了癌癥異質性、癌癥的演化圖譜計算的信息學模型。表1對相關的計算軟件、模型和應用進行了總結和說明。

圖1 癌癥演化和異質性分析的信息學模型

表1 腫瘤純度和克隆性評估方法的描述

2 癌癥的深度表型發現

人類疾病的表型描述是隨著對疾病理解的深度而逐步深入的，表型的深度與醫學診斷的精度密切相關。早期的癌癥表型是根據發病組織類型進行描述的，如肺癌、前列腺癌、乳腺癌等，這是最原始和最粗粒化的癌癥臨床表型。隨著影像技術在臨床的應用，人們可以通過影像觀察到同一組織的病灶，可以用不同的影像特征如大小、形狀、紋理等表征其差異性，這時的臨床表型可以描述為“組織特征+影像病理”，這樣可以將癌癥進一步分為亞型，如肺癌可以分為非小細胞肺癌、小細胞肺癌、鱗狀細胞癌、腺癌等。隨著人類基因組計劃的實施，人們可以更深入理解癌癥發生的根本原因，如各種基因突變。癌癥的臨床表型可以結合基因的突變進行描述，如腺肺癌可以描述為“KRAS突變”“EGFR突變”“BRAF突變”“NF1突變”“MET突變”“ALK突變”等幾十種不同的基因突變類型。藥物對這些不同突變類型的腺肺癌的效果有所不同，如“特羅凱”對EGFR突變的非小細胞肺癌效果良好，而對其他類型的腺肺癌效果一般。由此可見，隨著對癌癥研究的深入和對癌癥臨床表型的描述不斷細化，治療也不斷精準，因此精準醫學研究的首要任務是深度表型的挖掘。可以預見，臨床的表型深度將會不斷提高，5G時代的健康管理大數據為表型深度挖掘提供了數據建模和系統分析的基礎。

癌癥深度表型的挖掘分析方法大致可以分為兩類：一類是目前信息學上較常用的方法，即由下而上(Bottom-up)的方法，通過分析各種癌癥患者的多維數據，整合并利用特征聚類的算法發現新的疾病表型；另一類表型分析的方法是臨床醫生常用的方法，即假設驅動的由上而下(Top-down)的方法，根據患者的各種癥狀、年齡、性別和疾病來判定是否為一種新的表型。無論是“Bottom-up”還是“Top-down”都要利用跨層次的數據整合分析實現臨床表型的深度挖掘。

3 癌癥治療組合用藥的信息學

藥物聯合療法或多藥療法是指使用兩種或兩種以上單獨使用的藥物制劑，或在一種方法中使用兩種或兩種以上有效成分的固定劑量。藥物聯合療法用于治療復雜疾病已經超過40年，包括癌癥、人類免疫缺陷病毒(HIV)感染和心血管疾病；藥物的組合治療是治療各種復雜疾病的重要策略，如在肺癌治療中聯合使用了沙巴霉素和順鉑，使用藥物組合治療通常可以通過避免毒性和不良反應提高治療效果，從而提高治療指數。在藥理學上，如果藥物組合的效果大于、等于或小于每種藥物的總和，則表示組合有潛在的協同作用、加和作用或拮抗作用。

不同藥物的協同作用是藥物組合的一個重要方面，因為組合超過了單個藥物的治療效果，當治療效果小于單個藥物效果時說明發生了拮抗作用。協同藥物組合可以通過避免毒性和出現較少不良反應提高低劑量藥物的治療效果，確定這種效果對于改善復雜疾病的治療至關重要，然而這是一個重大挑戰。目前有4種劑量反應模型：Blis獨立模型[4]、Loewe可加性模型[5]、最高單劑(Highest Single Agent，HSA)模型[6]和零相互作用效力(Zero-Interaction Potency，ZIP)模型[7]。此外，Chou還提出了一種基于中值效應方程的方法識別藥物組合效應[8]。由此產生的組合指數(Combination Index，CI)等原理方法允許定量測定藥物相互作用，其中CI小于1、大于1或等于1分別表示協同作用、加和效應或拮抗作用。需要使用軟件工具對藥物組合進行分析，以便與不同參考模型的結果進行比較。

圖2是藥物組合的信息學模型。

表2對常見的藥物組合計算軟件進行了總結和描述。

圖2 藥物協同或拮抗效應的信息學模型

表2 用于分析協同藥物組合數據的工具和軟件舉例

4 癌癥預防與慢病管理展望

目前我國政府正在積極推廣“主動健康”的理念。醫學的發展將有助于高危人群選擇有效的良好的生活習慣防止癌癥的產生。有研究表明體育鍛煉(每周4小時以上)、心理健康、工作壓力減輕和適當的飲食都將有利于女性乳腺癌的預防等[9-10]。目前音樂、閱讀、體育、休閑等非藥物治療與疾病預防方面的研究逐漸增多。這方面的信息學研究還在初級階段，系統地建立相關的知識庫，將為患者建立個性化的生活習慣醫學咨詢及系統分析模型提供幫助。

對癌癥進行慢性疾病管理與對患者進行癌癥日常管理知識的普及和教育至關重要。不同的癌癥有多種多樣的表型特征和動態演變特征，通常難以在醫院馬上處理和解決，需要患者自己主動參與和加強自身管理。基于大數據的知識庫使用與智能技術的發展，包括規則發現和人工智能，將會在這一領域得到廣泛應用和發展。智能聊天機器人(Chatbot)將會在老年癌癥患者的監測中起作用。有報道表明Chatbot可以幫助護理人員收集老年癌癥患者的實時關鍵數據，對患者進行實時的教育、指導和及時的干預[11-12]。

學習健康系統的發展與普及是癌癥主動健康領域的熱點。學習健康系統(Learning health system，LHS)是將知識產生的過程嵌入到日常實踐中，實時、連續進行健康管理的一個新的醫學和健康管理模式[13-14]。在LHS系統中電子病歷數據或健康管理數據的實時積累有助于提高診療與健康管理的水平，然而對LHS系統大數據的實時分析需要自然語言識別、各種基于知識的統計建模和規則發現，乃至人工智能技術的深度應用。

未來最重要的醫學與智能健康管理模式將是整體健康與全息健康模型，這不僅僅是生物、醫學、社會、生理等健康要素或信息的融合模型，還是精神，生態環境等多維的整體健康模式。人類正走向康德拉季耶夫(Kondratieff)第六經濟長波時代，即“整體健康時代”。