癌症轉移是導致患者死亡的主要原因之一。了解癌細胞如何從原發腫瘤擴散到身體其他部位，對於開發更有效的治療策略至關重要。傳統上，研究人員依賴於臨床觀察和病理分析來推斷轉移途徑，但這些方法往往受到樣本量和主觀性的限制。近年來，隨著基因組學技術的快速發展，透過分析腫瘤的 DNA 序列來追蹤癌細胞的演化和擴散路徑成為可能。然而，現有的計算方法在處理大規模數據、解析複雜的轉移模式以及整合生物學知識方面仍面臨挑戰。
Metient：新一代癌症轉移路徑推論框架
為了解決上述問題，一個由 Divya Koyyalagunta、Karuna Ganesh 和 Quaid Morris 領導的研究團隊開發了一種名為 Metient (metastasis + gradient) 的新型計算框架，用於推論癌症類型特異性的轉移擴散模式。這項研究成果已發表在《自然方法》(Nature Methods) 期刊上，為癌症轉移研究帶來了新的突破。Metient 框架的核心創新之處在於其高效的多目標優化方法。傳統方法通常只產生單一的轉移路徑解決方案，而 Metient 能夠產生多個可能的轉移歷史假設，並根據獨立的數據（如基因距離和器官趨向性）對這些假設進行重新評分。這使得 Metient 能夠更全面地探索轉移路徑的可能性，並識別出最符合生物學知識的解決方案。
Metient 的主要優勢包括：
1. 高效性： Metient 採用基於梯度的優化方法，能夠快速地探索大量的轉移路徑假設，並找到 Pareto 最優解集。相較於現有的方法，Metient 在速度上提高了 40 倍以上。
2. 可擴展性：
Metient 能夠處理包含數千個節點的克隆樹，包括來自單細胞譜系追蹤數據的克隆樹，從而實現對簡化模型之外的分析。
3. 生物學相關性：
Metient 整合了基因距離和器官趨向性等生物學先驗知識，能夠識別出更符合生物學規律的轉移路徑。基因距離是指轉移克隆之間的遺傳差異，而器官趨向性是指癌細胞對特定器官的偏好。
4. 癌症類型特異性：
Metient 能夠根據不同癌症類型的數據，校準其轉移路徑評分標準，從而識別出癌症類型特異性的轉移模式。
Metient 的應用與發現
研究團隊將 Metient 應用於多個患者群體，包括黑色素瘤、高風險神經母細胞瘤和非小細胞肺癌，並取得了重要的發現。
揭示癌症類型特異性的轉移模式：
Metient 成功地識別出不同癌症類型中獨特的轉移擴散模式。例如，在黑色素瘤中，Metient 發現皮膚是常見的轉移起始部位，而在非小細胞肺癌中，肺部淋巴結是重要的轉移中轉站。
挑戰現有的轉移觀點：
Metient 的分析結果表明，多克隆轉移 (polyclonal seeding) 和轉移到轉移 (metastasis-to-metastasis seeding) 的現象比先前報導的更為普遍。多克隆轉移是指多個不同的癌細胞克隆同時擴散到新的器官，而轉移到轉移是指癌細胞從一個轉移灶擴散到另一個轉移灶。
提高轉移路徑推論的準確性：
在模擬數據上進行的測試表明，Metient 在預測轉移路徑方面的準確性優於現有的方法，尤其是在處理複雜的轉移模式時。具體來說，對於具有轉移到轉移播種的患者，Metient 在推斷播種克隆方面表現出顯著的改進 (p=0.0021)。
驗證基因距離先驗知識：
模擬數據驗證了遺傳距離先驗知識，並表明 Metient 在校準模式下改進了真實轉移圖的恢復。
Metient 的意義與展望
Metient 框架的開發為癌症轉移研究提供了一個強大的工具，有助於更深入地理解癌細胞的擴散機制，並為開發更有效的治療策略提供新的思路。
指導臨床治療決策：
透過分析患者的腫瘤基因組數據，Metient 能夠預測其轉移風險和可能的轉移途徑，從而幫助醫生制定更精確的治療方案。
開發新的抗轉移藥物：
了解癌症類型特異性的轉移模式，有助於開發針對特定轉移途徑的藥物，從而更有效地抑制癌細胞的擴散。
促進癌症轉移的早期檢測：
透過分析血液或其他體液中的循環腫瘤 DNA (ctDNA)，Metient 能夠早期檢測到轉移的跡象，從而為患者提供更早期的治療機會。
研究團隊表示，Metient 框架仍有進一步改進的空間。例如，可以將更多的生物學知識整合到 Metient 中，如腫瘤微環境和免疫系統的影響。此外，研究團隊還計劃將 Metient 應用於更多的癌症類型，以更全面地了解癌症轉移的複雜性。
總而言之，Metient 框架的開發是癌症轉移研究的一個重要里程碑。它不僅提供了一個更準確、更高效的轉移路徑推論工具，而且為我們理解癌症轉移的生物學機制提供了新的視角。隨著 Metient 框架的不斷完善和應用，我們有理由相信，在不久的將來，我們將能夠更有效地預防和治療癌症轉移，從而提高癌症患者的生存率和生活品質。
Newsflash | Powered by GeneOnline AI
For any suggestion and feedback, please contact us.
原始資料來源: GO-AI-6號機 Date: December 17, 2025