3月29日，在《自然》杂志（Nature）上，哈佛大学麻省理工布罗德研究院公布了首个包含详细的癌症基因组数据和预测药物应答药理学数据的癌细胞系百科全书（CCLE）。

　　CCLE包括947个人类肿瘤细胞系的基因表达及其染色体拷贝数，以及超过1600个基因突变状态的平行测序数据。除了已知标志物之外，研究还发现了很多新型预测标志物，如浆细胞肿瘤谱系对胰岛素样生长因子1（IGF1）受体抑制剂的敏感性；在NRAS基因突变的细胞系中，芳（香）烃受体（AHR）表达与MEK抑制剂的疗效相关；SLFN11基因表达能预测拓扑异构酶抑制剂的敏感性。

　　同期发表在Nature上的另一项多国研究，评价了639个代表了目前人类肿瘤的大部分组织-类型和遗传多样性的肿瘤细胞系。研究发现，多数癌基因（94%），包括那些与药物治疗靶点无显著相关性的癌基因，与至少一种药物的敏感性或耐药性相关；大部分药物（91%）的敏感性与至少一个以上癌基因的突变相关。

　　此外，研究还验证了许多目前已经证实的药物与基因型的相关性，如慢性髓性白血病（CML）中BCR-ABL基因重排与ABL抑制剂的关系，黑色素瘤中BRAF基因突变与MEK抑制剂的关系，乳腺癌中人表皮生长因子受体2（HER2）扩增与表皮生长因子受体（EGFR）抑制剂的关系。同时研究还发现了新的标志物，如具有EWS-FLI1基因转位的尤文氏肉瘤对PARP抑制剂敏感。不过，细胞毒药物应答与基因组学的相关性较弱，单个标志物的意义非常有限。

　　目前肿瘤治疗面临的几个重要问题包括：①抗癌药物，包括分子靶向药物的有效率偏低，只对部分患者有效；②大部分新型靶向药物在未经选择人群中很难获得成功；③如何解读全基因组测序数据，从而指导临床治疗将面临巨大困难。因此，我们亟需找到能预测药物应答的标志物。对于采用体外培养的肿瘤细胞系研究药物敏感性一直存在争议，但以上两项研究证实了很多已知药物与生物学预测标志物的关系，验证了这一模式的有效性。据此，可在临床研究开始前进行新药应答的预测，筛选出亚组人群进行研究，提高成功率；同时，对于已在临床使用的药物，将有望发现新的、更理想的预测标志物，提高其在亚组人群中的有效率，从而最终实现基于肿瘤遗传学背景的“个体化”治疗梦想。