癌症中药物-基因组互作概况 

癌症的发生是因为基因组中的体细胞变异改变了关键癌症基因的功能，其中许多变异被认为是临床治疗反应的决定因素。来自癌症基因组图谱（TCGA）和国际癌症基因组联合会（ICGC）的研究已经生成了涉及多种癌症类型肿瘤发生的癌症基因的综合目录。癌症的新兴景观指出了可能的功能过程和途径的层次结构，这些可能指导未来的癌症病人治疗。 

临床试验既复杂又昂贵，有助于对患者进行分层的临床先验数据可以显著增加临床开发过程中成功的可能性。因此，尽可能合理地捕捉癌症分子特征和治疗反应多样性的临床先验生物模型是必要的。人类癌症细胞系是一种广泛用于药物开发的简单实验模型，其内的大规模药物敏感性筛选已被用于确定具有临床意义的基因-药物相互作用。过去，由于对癌症驱动基因的了解不完善，这类筛选工作一直受到限制，但现在可以通过临床相关致癌变异的透镜来观察此类模型中的药物敏感性。 

在这里，Iorio等人分析了29种肿瘤类型共11289个肿瘤样本的体细胞突变、拷贝数改变和超甲基化，以确定复发突变癌症基因、局部扩增/缺失和甲基化基因启动子的临床相关目录（图1A）。对这些致癌改变进行了研究，作为使用265种抗癌化合物筛选的1001个癌症细胞系（图1B和1C）之间药物敏感性差异的可能预测因子（图1D）。对这些数据进行了探索，以确定（1）癌症细胞系在多大程度上再现了原发性肿瘤中的致癌改变；（2）哪些致癌改变与药物敏感性相关；（3）多种改变的逻辑组合是否能更好地解释药物敏感性以及（4）不同分子数据类型的相对贡献，单独或联合用于预测药物反应（图1E）。 

图1数据和分析概述。（A）对大量原发性肿瘤的公开可用基因组数据进行分析，以确定称为癌症功能事件的临床相关特征；（B）一组1001个具有基因组特征的人类癌症细胞系；（C）来自患者肿瘤的CFE目录用于过滤细胞系中鉴定的一组分子改变，随后用于药物基因组建模；（D）癌症细胞系对265种抗癌化合物的敏感性进行了筛选；（E）所得数据集用于药物基因组建模 

基于逻辑的建模揭示了对药物敏感的变化组合，而机器学习则证明了不同数据类型在预测药物反应方面的相对重要性。Iorio等人的分析和数据集是丰富的资源，可以将基因型与细胞表型联系起来，并为选定的癌症亚群确定治疗方案。详细的分析结果这里就不赘述了，详细可查阅经典参考文献[1]。 

参考文献

[1] Iorio F, Knijnenburg TA, Vis DJ, Bignell GR, Menden MP, Schubert M, Aben N, Gonçalves E, Barthorpe S, Lightfoot H, Cokelaer T, Greninger P, van Dyk E, Chang H, de Silva H, Heyn H, Deng X, Egan RK, Liu Q, Mironenko T, Mitropoulos X, Richardson L, Wang J, Zhang T, Moran S, Sayols S, Soleimani M, Tamborero D, Lopez-Bigas N, Ross-Macdonald P, Esteller M, Gray NS, Haber DA, Stratton MR, Benes CH, Wessels LFA, Saez-Rodriguez J, McDermott U, Garnett MJ. A Landscape of Pharmacogenomic Interactions in Cancer. Cell. 2016; 166(3):740-754. doi: 10.1016/j.cell.2016.06.017.

以往推荐如下：

1. 分子生物标志物数据库MarkerDB

2. 细胞标志物数据库CellMarker 2.0

3. 细胞发育轨迹数据库CellTracer

4. 人类细胞互作数据库：CITEdb

5. ​EMT标记物数据库：EMTome

6. EMT基因数据库：dbEMT

7. ​EMT基因调控数据库：EMTRegulome

8. RNA与疾病关系数据库：RNADisease v4.0

9. RNA修饰关联的读出、擦除、写入蛋白靶标数据库：RM2Target

10. 非编码RNA与免疫关系数据库：RNA2Immune

11. 值得关注的宝藏数据库：CNCB-NGDC

12. 免疫信号通路关联的调控子数据库：ImmReg

13. 利用药物转录组图谱探索中药药理活性成分平台：ITCM

14. AgeAnno：人类衰老单细胞注释知识库

15. 细菌必需非编码RNA资源：DBEncRNA

16. 细胞标志物数据库：singleCellBase