喜讯!癌症将迎来颠覆性革命!新见解被提出!

2018 年 5 月 7 日 转化医学网 Zoe

点击上方“转化医学网”订阅我们!

干货 | 靠谱 | 实用  

导  读


众所周知,癌症是由一系列因素引发的DNA突变导致的,这些因素包括紫外线辐射,某些化学物质和吸烟,基因突变等。近日,欧洲生物信息学研究所的工作人员尝试利用蠕虫数据来探索癌症的起源。该研究一旦成功,困扰人类多年的癌症密码将被成功破译!


癌症研究的课题虽然一直是任重道远,但是研究人员探索的步伐却是从未停止。近日,欧洲生物信息学研究所的EMBL-EBI博士,学生Nadia Volkova进行了一项新的研究,他们尝试利用人类和蠕虫数据来探索癌症的突变原因。将线虫与来自500种人类癌症基因组的遗传数据进行了对照研究。结果显示:

 

人类癌症基因突变相关的特征与线虫蠕虫中发现的模式相似。

 

该研究以“New insights into the origins of mutations in cancer”为题发表在《Genome Research》上。

 


以往的研究表明,与癌症风险增加密切相关的DNA修复途径之一是DNA错配修复(MMR)。在整个生命周期中,DNA错配修复(MMR)缺陷导致突变,细胞受到外在和内在的突变过程而在基因组中留下特征标记。而这项研究则使用C.elegans作为更详细地研究MMR的模型系统。

 

蠕虫与人类数据的对照实验

 

研究者之一Volkova这样表示:我们在癌细胞中发现的DNA突变是由于DNA损伤和修复的错误所致。其实,我们的细胞可以识别大部分的突变,并通过多种修复机制纠正它们。然而,DNA修复可能会有遗漏或出现错误,从而导致DNA的变化。了解这些突变的轨迹是确定癌症病因和治疗潜在途径的至关重要的第一步。蠕虫和人类体内存在着相同的突变过程,由此可以找到DNA错配修复缺陷的确切概况,并更好地了解DNA修复错误时发生的情况。

 

模型生物体中的对照实验可以用来模拟一些对癌症基因组进行操作的过程,并建立它们确切的起源,也就是说蠕虫可以告诉人们癌症的起源。当研究患者的癌症基因组时,也就是在观察蠕虫多种突变过程的最终结果。在疾病表现出来之前,这些突变过程经常持续数十年,这些过程的重建及其对癌症发展的贡献有些类似法医分析飞机坠毁现场,试图拼凑出发生的事情,遗憾的是,没有黑匣子可以帮助研究人员。

 

只要花三天时间将这些蠕虫传播到下一代,研究DNA如何传递的过程就大大加快了。DNA错配修复被传播了许多代,这使得我们可以推断出一个明显的突变模式。研究人员的方法可以找到MMR缺陷的准确轮廓,并了解DNA修复出错时发生的情况。

 

临床意义

 

总之,该研究无疑是科学史上的又一座里程碑,它标志着癌症探索自此进入了一个崭新的阶段。研究人员的这些发现可能有助于更好地了解癌症的成因,找到最合适的治疗方法只是时间问题。

 


转化医学领域核心门户

识别图中二维码,点击关注

投稿、应聘医学编辑:

微信:vipmed360

商务合作

微信:zhyxkf


END

活动

推荐

转折点——生物医药招聘第一平台


登录查看更多
1

相关内容

癌症是医学术语,其为最常见的恶性肿瘤,亦有人将癌症和恶性肿瘤混合使用。中医学中称岩,为由控制细胞分裂增殖机制失常而引起的疾病。癌细胞除了分裂失控外,还会局部侵入周遭正常组织甚至经由体内循环系统或淋巴系统转移到身体其他部分。
从HPO到NAS: 自动深度学习
专知会员服务
39+阅读 · 2020年6月15日
【ICMR2020】持续健康状态接口事件检索
专知会员服务
18+阅读 · 2020年4月18日
【学科交叉】抗生素发现的深度学习方法
专知会员服务
25+阅读 · 2020年2月23日
安全和健壮的医疗机器学习综述,附22页pdf
专知会员服务
47+阅读 · 2020年1月25日
2019中国硬科技发展白皮书 193页
专知会员服务
85+阅读 · 2019年12月13日
Nature 一周论文导读 | 2019 年 8 月 1 日
科研圈
8+阅读 · 2019年8月11日
Nature 一周论文导读 | 2019 年 6 月 27 日
科研圈
8+阅读 · 2019年7月7日
Nature 一周论文导读 | 2019 年 5 月 30 日
科研圈
15+阅读 · 2019年6月9日
Nature 一周论文导读 | 2019 年 4 月 4 日
科研圈
7+阅读 · 2019年4月14日
Nature 一周论文导读 | 2019 年 2 月 28 日
科研圈
13+阅读 · 2019年3月10日
Nature 一周论文导读 | 2018 年 3 月 29 日
科研圈
12+阅读 · 2018年4月7日
已删除
将门创投
6+阅读 · 2017年7月6日
Seeing What a GAN Cannot Generate
Arxiv
8+阅读 · 2019年10月24日
Mobile big data analysis with machine learning
Arxiv
6+阅读 · 2018年8月2日
Arxiv
3+阅读 · 2018年6月19日
VIP会员
相关VIP内容
从HPO到NAS: 自动深度学习
专知会员服务
39+阅读 · 2020年6月15日
【ICMR2020】持续健康状态接口事件检索
专知会员服务
18+阅读 · 2020年4月18日
【学科交叉】抗生素发现的深度学习方法
专知会员服务
25+阅读 · 2020年2月23日
安全和健壮的医疗机器学习综述,附22页pdf
专知会员服务
47+阅读 · 2020年1月25日
2019中国硬科技发展白皮书 193页
专知会员服务
85+阅读 · 2019年12月13日
相关资讯
Nature 一周论文导读 | 2019 年 8 月 1 日
科研圈
8+阅读 · 2019年8月11日
Nature 一周论文导读 | 2019 年 6 月 27 日
科研圈
8+阅读 · 2019年7月7日
Nature 一周论文导读 | 2019 年 5 月 30 日
科研圈
15+阅读 · 2019年6月9日
Nature 一周论文导读 | 2019 年 4 月 4 日
科研圈
7+阅读 · 2019年4月14日
Nature 一周论文导读 | 2019 年 2 月 28 日
科研圈
13+阅读 · 2019年3月10日
Nature 一周论文导读 | 2018 年 3 月 29 日
科研圈
12+阅读 · 2018年4月7日
已删除
将门创投
6+阅读 · 2017年7月6日
Top
微信扫码咨询专知VIP会员