2018 Rocky Bioinformatic Conference 行腳

今年另一個特休挑了2018 Rocky Bioinformatic Conference來參加,順便投了一篇關於複雜網絡資料分析的海報,舉辦地點在美國 科羅多來拉州的亞斯本(Aspen) 斯洛馬斯 (Snowmass),時間在12月5-7號,這算是比較小型的會議,只有約17年的歷史,是ISCB下的會議。

對於從美國境外到這個地方的機票比較難買,必須分段買,像這次就是買香港航空從台灣到洛杉磯的機票和聯合航空洛杉磯到雅斯本(Aspen)的機票,中間要自己抓轉機時間。

到亞斯本機場後,一片靄靄白雪,難怪是區域型的生物資訊會議,不過這可能對美歐美人士算是正常冬天吧,對於亞熱帶區的黃種人有點吃不消,機場對外的交通有免費的巴士接駁,公車等候站有紅外線燈和電子儀表板,顯示下一班公車抵達時間,可以避免在外面抖腳發寒。

Rocky2017的議程總共有三天,每天的12pm-4pm都有滑雪時刻,其他則是keynote speaker(40分鐘)和lighting speaker(10分鐘)交雜再一起,上午和下午的議程會有20分鐘的休息時刻,有點心吧可以享受。整場會議主要是以科羅拉多州為主,部分來自其他地區的大學,主辦方為科羅拉多州大學醫學院,附屬於ISCB下的會議,沒有水平議程,少了多頭馬車的困擾,當然隨之而來的是蠻雜的talk。

今年會議主席是Larry Hunter教授,是科羅拉多州大學計算生物學程的負責人,也算是Rocky會議的起始人之一。

會議主講人之一陸致用(Zhi-Yong, Lu)博士,其為NCBI文獻搜索負責人之一,其分享蠻多Pubmed近期正在改進的功能,打破對於Pubmed的傳統印象,原來其背後負責的科學家花了非常多經歷在改善使用者,以及增進Pubmed對於公眾的效用,還利用這個平台來做為其科研的路線,使用機器學習甚至深度學習的方法來個別改善部分功能。其中蠻酷的獲得是知道Pubmed Labs,裡面有很多測試功能,另外如Pubtator, LitVar等工具,都可以用來改善許多在註解資料和變異的效率。在其演講中還有提到所謂的文獻搜索的概念,可能之後會閱讀他提到的文獻再做分享,很重要的技巧但常常沒有刻意練習。

會議主講人Aaron von Hooser,來自PatientsLikeMe,其分享的題目:Building a Learning System that Helps Individuals to Thrive by Connecting Their Experiences and Goals with Molecular Measures of Health. 聽完他的分享才知道原來碳雲智能(iCarbonx)的DigitalMe計畫細節是什麼,PatientsLikeMe公司便是他們這計畫的其中一員,整個聯盟有Health Tell, SomoLogic等公司。他主要分享他們目前共收集約莫3000多人的抽血和相關生理數據,他們使用了蛋白體學的資料來分析相關的資訊來產生Disease Spectrum Score來幫助作一些疾病的預測或是診斷。

會議主講人Deborah L.Mcguinness,算是Ontology領域的開啟者,目前是Tetherless World Constellation的科學家,這次他分享的題目是Semantic Data Resources Enabling Science: Building, Using, and Maintaining Ontology-Enables Biology Data Resources,簡報裡的架構感覺慢慢他的研究框架,東西蠻多的,目前他主要在做CHEAR 項目,慢慢講其延伸到臨床指引的應用,其中蠻酷的是提到他們如何設計整個框架,把如糖尿病指引,差解成semantic usage的架構。


會議主講人David Astling,來自SomaLogic,分享其公司所開發的技術Somascan Array,可以用來快速檢測檢體中大約4368個蛋白質表現量,他們進一步整合成各種風險評估的工具,比如腎臟功能、肝臟功能、心臟疾病風險等等,他們主要的試驗都是在英國那邊所執行的,再由近一步的分析,來用部分的蛋白質來設計成各式各樣的panel


會議主講人Nicole A.Vasilevsky是美國奧勒岡健康與科學大學(Oregon Health & Science University)的教授,其專長在於發展生醫領域的ontology,其中HPO和最近的Monarch 資料庫,都有她參與的影子,這次他分享的是LOINC2HPO的項目,有對生醫相關的ontology有涉略,可以知道LOINC和HPO是兩個重要的詞庫,LOINC的全名是觀測指標標識符邏輯命名與編碼系統(Logical Observation Identifiers Names and Codes,LOINC), 其字彙語意是用於標識檢驗醫學及臨床觀測指標,此已經有多年且商業化的應用,假如要使用裡面的語意和字彙庫,就必須要授權,而HPO(Human Phenotype Ontology)則是最近幾年蠻熱門,其是用來對應人類表型的語意庫,LOINC2HPO顧名思義就是要讓兩者互相鏈結,將實驗技術或是臨床指標和這些臨床表型相互結合起來,進一部往輔助診斷的功效。

論文閱讀:Next-Generation Sequencing to Diagnose Suspected Genetic Disorders

這篇是閱讀Adams, D. R., & Eng, C. M. (2018). Next-Generation Sequencing to Diagnose Suspected Genetic Disorders. N Engl J Med, 379(14), 1353-1362. doi:10.1056/NEJMra1711801的摘要。

Clinical Next-Generation Sequencing as Diagnostic tool

臨床次世代定序的使用越來越頻繁,不論是在神經基因體學,或是在小兒及新生兒急重症中都有所立足點,隨者世界各國不斷推行的大型計畫,未來定序技術在臨床上的服務會越來越重要。

美國:
Collins FS, Varmus H. A new initiative on precision medicine. N Engl J Med 2015;372:793-5.
中國:
Cyranoski D. China embraces preci- sion medicine on a massive scale. Nature 2016;529:9-10.

目前已有部分關於如何將基因資訊整合入臨床中的實務性建議和指引,畢竟在臨床導入的技術,需要嚴謹和品管的控制,以及可驗證性。

Bowdin S, Gilbert A, Bedoukian E, et al. Recommendations for the integration of genomics into clinical practice. Genet Med 2016;18:1075-84.

Beck TF, Mullikin JC. Systematic eval- uation of Sanger validation of next-gener- ation sequencing variants. Clin Chem 2016;62:647-54.

目前在一篇684個受測者的研究中,其分別使用外顯子測序和Sanger定序來比較受測者的五組基因,兩種技術的差異性可以接近99.97%。這研究顯示出目前測序技術的準確度越來越可靠。臨床應用測序技術的方式可以針對特定幾組基因或是整個基因組來定序,針對不同表型來設計相伴隨的測序基因組合。表型的範圍可以很小,也可以很大,小如familial hypercholesterolemia的四個基因組合,大的則如複雜疾病的表型,可以超過1000個基因以上的組合。

如何將這些應用於臨床決策這件事,到目前還是研究的熱點所在,相關的生物資訊工具還待開發與完善之中。最基礎的定序用是可以辨識基因序列中的序列變異(variants),並且取得其跟各種疾病相關的風險關聯,這部分在美國的ACMG指引中有提出如何系統性地來針對基因序列變異來產出報告。

Kalia SS, Adelman K, Bale SJ, et al. Recommendations for reporting of sec- ondary findings in clinical exome and genome sequencing, 2016 update (ACMG SF v2.0): a policy statement of the Ameri- can College of Medical Genetics and Ge- nomics. Genet Med 2017;19:249-55.

Variant Classification

如何將取得的基因變異序列(variants)資訊進行分類,便成為下一個重要的議題,通常一個檢體的基因變異位點可以有上千個以上,如何有效的過濾、排序來提供臨床闡述就很重要。這過程每個實驗室會稍有點不同,加上如何註釋資訊、如何闡述每個變異對於其他基因的影響,這類型通常都需要變一點跟疾病強烈的關聯,而這通常都沒有的。

變異位點的特性可以用演化保守性、族群頻率分析、或是以其所在的蛋白質功能來歸納。在大型定序資料庫Genome Aggregation Database(gnomeAD)中有提供常見變異(Common Variants)和罕見變異(Rare Variants)。目前美國醫學遺傳學會有提供一個指引用來將變異分類成:pathogenic, likely pathogenic, likely benign, benign, 和variant of unknown significance等幾種歸類。

Richards S, Aziz N, Bale S, et al. Stan- dards and guidelines for the interpreta- tion of sequence variants: a joint consen- sus recommendation of the American College of Medical Genetics and Genom- ics and the Association for Molecular Pa- thology. Genet Med 2015;17:405-24.

在另一個重要的資料庫ClinVar中,還會將這些基因變異位點跟臨床表型連結在一起。算是更一進步把變異點跟已知道許多臨床表徵會結再一起,雖然其中會有許多重疊之處。當實際將次序導入臨床實務時,會隨之產生許多新的gene-disease關聯出現,其中偽關聯不可避免地出現,一些新的工具可以幫助我們將外部資料庫的案例匯集一起來減少偽關聯,如Gene- Matcher (https://genematcher.org/), DECIPHER (https://decipher.sanger.ac.uk/),  Phenome- Central (https://www.phenomecentral.org/) 。

MacArthur DG, Manolio TA, Dim- mock DP, et al. Guidelines for investigat- ing causality of sequence variants in hu-man disease. Nature 2014;508:469-76.

Diagnostic Rate and Stratedge

Implementation of Clinical Next Generation Sequencing
Reimbursement
Studies of Clinical Usefulness
Challenges and Opportunities
Health Person
Future directions

論文閱讀:Genome sequencing in the clinic: the past, present, and future of genomic medicine

這篇是閱讀Prokop, J. W., May, T., Strong, K., Bilinovich, S. M.,etc. (2018). Genome sequencing in the clinic: the past, present, and future of genomic medicine. Physiological Genomics, 50(8), 563-579. doi:10.1152/physiolgenomics.00046.2018的整理。

screenshot.png

最近有蠻多篇關於基因體於臨床的應用之文獻回顧,這算是其中一篇,由密西哥州立大學(Michigan State University)的教授Jeremy W. Prokop所撰寫的,裡面整理了基因體相關進展的研究文獻,並且最後稍微論述了未來的方向性,算是篇四平八穩的文章,可以用來加深自己對於基因體相關研究脈絡的小地圖。第一張圖使用雙股螺旋DNA的圖來做時間軸,上面標識一些相關的發表和計畫。

文章分成三大部分,分別為過去、現在和未來。基因體在醫療中的應用可以稍微分成:
過去的部分分別為Road to personal medicine、Population Genomic and GWAS、Genotype to Phenotype: from Animal Models to Cells for Human Health、Clinical Sequencing and Impact on Patient Treatment。
現在:Current Cost of Sequencing、Assembly of Large Genomic Data Sets for Disease and Controls、From variant to function
未來:Where can sequencing Go?、Potential Issues and Conclusions for the future、

screenshot.png

國際視覺化會議 2018 IEEE VIS 德國柏林

螢幕快照 2018-10-24 上午12.04.03
    這次趁特休的時間來參加IEEE VIS 2018的會議,擴展對於這資料視覺化領域的一些視野,這次的IEEE VIS是在德國柏林舉辦,時間從10/21-26號,IEEE VIS是由多個不同跟視覺化相關的組織一起聯合組成的,主要有三大IEEE類別的會議:Visual Analytics in Science and Technology(VAST)、IEEE Information Visualization(InfoVis)、IEEE Scientific Visualization(SciVis)和部份小型的工作訪組成LDAV, BELIV, Workshop on VIusalization for the Digital Humanities、Visualization for Communication, Data Systems for Interactive Analysis, BioVis,VisGuide, Visualization for AI Explainability(VISxAI)等等。

會議地點在德國柏林最大的會展中心Estrel舉辦,地點就在車站旁邊,非常方便可以抵達。今年還有北京大學和360實驗室的人出席,還搜到他們的文章,覺得驚奇,不過整體來說參與的人主要是以歐洲和美國的研究室為主,比較少亞洲面孔。

IEEE VIS 會議今年還有所謂的VisBuddies的計畫,參加的人會被分組,裡面有資深的PI和菜鳥,我這次就跟Smith College的Jordan Crouser,Indiana University的Khairi Reda分到同一組,第一天抵達的晚上就用Slack揪團小聚了一下,當天還有Northeast University的Michelle Borkin教授一起,感覺很特別,兩個人分享了自己參加IEEE VIS的心得、學術歷程的挫折(這部分很私人,出乎我的意料,Jordan Crouser分享自己申請PhD全部摃龜的故事,Michelle Borkin則是分享自己一路哈佛上來,但在找教職的路上,有一段時間都是失業狀態的),除此之外,還分享了許多關於認識自己和生涯規劃的想法,這部分收穫良多,也讓我們這些第一次參加的人能格外感覺到被提攜的感覺。假如有興趣參加的人,一定要報名VisBuddies,可以讓你有機會認識其他的PI,建立一些新的關係和聚餐的機會。

這次終於聽到了University of Utah團隊的演講,目前來說,他們團隊體系在視覺化領域算是很重要的角色,他們在IEEE VIS主持了Workshop on Visualization for the digital humanities這工作訪的開場演講是由目前算是當家的Miriah Meyer教授所分享,這場演講非常精彩,用字遣詞根本就是在談論一篇論文等級了,從分享其跟人文科別教授的合作經驗來談談他對於目前視覺化項目的開展方法,帶入他這次學生們的博士研究,可以說是深入淺出,又趁機提白了自己的學生。其對於視覺化的設計非常精緻,從跟合作對象的訪談到其中的實驗和探索過程,他的論點偏向於整個設計的過程其實是視覺化學者們最重要的貢獻所在,而非單純是最後的工具產出。

這次會議其中BioVis Challenge算是此行主要的目的,除了一賭哈佛大學生資視覺化教授Nils Gehlenborg的風采,他們探討的議題也相當有趣視覺化百萬人類的生醫資料為遭遇到的挑戰

會議的過程在於分組討論這個主題,並且希望每個人都能參與其中,最後產出一篇觀點論文(position paper),這形式的活動還蠻刺激的。最後分組中,跟來自愛丁堡納皮爾大學的Jessie Kennedy、西北太平洋國家實驗室的電腦科學家Joseph Cottam加拿大卡里嘉爾大學的Søren Knudsen一起探討關於視覺化百萬人生醫資料時候,對於對象多元會遭遇的挑戰,或是該如何去思考這樣的問題,經過這次經驗會發覺對於英文用字遣詞的能力非常重要,如何能精簡的傳達想法或是概括都一門技藝,看來這類能力唯有對於某個領域主題的豐富閱讀和書寫才有辦法達成。

另一個有趣的議程Visualization for AI explainability(Vis x AI)裡面探討的是如何用視覺化來讓機器學習或是深度學習的參數校條過程更加地讓人類可以參與,開場請到在google brain工作的Been Kim來分享concept activation vector的應用,有點高深,除此之外,在其他演講中,我自己覺得蠻受用的是grand tour的概念,原來有這種方式來讓多變量資料的分析資料進行投影和旋轉,來更好的展示整個資料的結構和分佈,而且是1985年就提出的方法。

這次參加IEEE VIS對於整個視覺化領域有更寬廣和多元的理解,才知道我之前在實作複雜視覺化時所遭遇的種種問題,很多都是某個次分領域探討的主題,比如當數據量過大時,視覺化分析的過程往往會遇到時間延遲的阻礙,因為你無法承受這種每個操作有10秒延遲的體驗,那這個主題便在Data systems for interactive analysis中探討到,他們把這問題拆解成:資料庫和視覺化體系兩者串接的問題,提出的一種做法是Progressive analysis的概念,搭配上所謂的progressive database management system,換句話說,這個資料庫在前端視覺化呈現的過程,不是一次到位,而是漸進式的。(這概念蠻有趣的,但實踐上應該是非持高昂代價的)。另外,如對於前端視覺化的技能提升,其中一場Everything Except the Chart也幫助許多,直接點出了D3.js在其中的效能問題,推薦了可行的解法。

這裡有另一個參與今年IEEE VIS 2018的視覺化設計師Zheng-yan Yu 其也有撰文關係網絡可視化提到今年參與的經驗

書本閱讀: Regenesis – How synthetic biology will reinvent Nature and Ourselves 創生:合成生物學如何重新發明生命和我們

「regenesis how synthetic biology will reinvent nature and ourselves」的圖片搜尋結果

這本書Regenesis: How synthetic biology will reinvent Nature and Ourselves(目前台灣還沒有中文翻譯,自己亂翻成 創生:合成生物學如何重新發明生命和我們),由遺傳學教授喬治.丘奇(Gorge Church)和科普作家艾德瑞奇斯(Ed Regis)所寫,在2012年出版。

喬治.邱奇(George Church)教授本身是哈佛大學和麻省理工學院合聘教授,開啟多個重要的科學領域包含基因定序技術、合成生物學、基因編輯等,且參與多個醫療新創公司的開辦(Knome/PierianDx、AbVitro/Juno、Veritas Genetics),合成生物學相關的公司(Joule、Gen9、Editas、Egenesis、enEvolv、WarpDrive)。另外,也推動了美國基因體計畫、BRAIN initiative。這邊有段最近George Church教授接受訪問(https://www.youtube.com/watch?v=4V4Am5vo__g),因其在深圳建立的George Church Research Institute,與華大基因合作開發使用基因編輯來發展移植器官的計畫。

這本書的編排是以地質編年史展開,而因此讓大綱就充滿一堆“艱澀”的字彙,整本書將各種合成生物學領域映射到生物在地球上演進的方向。

以下是這本書的各張標題,一眼望去,硬派風格!

第一章 38億年前,冥古代晚期: 有機物和無機物的邊界
第二章 35億年前, 太古宙: 閱讀最古老的生物和生命的軟體
第三章 5億年前, 寒武紀: 鏡像的世界和多樣性的爆發,演化可以多快發生和如何達到多樣性
第四章 3.6億年前,石炭紀: 最好的石油替代品便是石油
第五章 6千萬年前,古近紀 :哺乳類的免疫系統,如何用基因工程解決醫療危機
第六章 300萬年前,更新世: 設計和建造絕種生物
第七章 1萬年前, 新石器時代:工業革命、農業革命和合成基因學。BioFab宣言
第八章 1百年前, 人類世: 第三次工業革命 iGEM
第九章 近期, 全新世: 從個人基因組到永和人類的組合
第十章 以終為始。超級人類、泛物種時代:社會的風險

有機與無機分子的差異

邱奇教授在開頭,從化學界某一時期的爭論起手,在19世紀初期,化學家把分子以無機和有機化分,有機物只能來自於具有生命的生物,兩者壁壘分明,直到化學家弗里德里希·維勒(Friedrich Wöhler)在1828年發表論文,能從無機物中合成出有機物尿素,從此對於化學分子的生命力(vitalism)區分,開始出現邊界模糊的問題,討論何謂化學分子的生命力(vitalism),那假如我們開始能自己合成去氧核醣核酸,或是能合成出有類似去氧核醣核酸複製行為的功能呢?或是我們將化學分子的編排稍微倒置,把左旋換成右旋呢?在這邊邱奇教授提出幾個有趣的問題:

  •  Wohler’s synthesis of urea was arguably the first great challenge to vitalism
  • The second challenge to vitalism concerns the phenomenon of the handedness of molecules
  • challenge to vitalism is to find out whether those long, precise sequences could arise spontaneously and possess the functions of life such as catalysis
  • whether a fully synthetic chemical network could make a copy of itself and evolve
  • whether consciousness can arise synthetically

便宜的DNA生產技術的演進

用巨觀的思維來闡述新科學
生物版的巨流和,可以窺見當代前言科學家對於未來生醫領域的研究想法,大史觀對應生物的提問,從底層分子的生命,探討到演化速度,最終改變對人類的想法

爬梳合成生物學的六大方向

George Church教授對於未來合成生物學的主要方向簡單分成六個,並且提到其中的重要科學家:
1. 重組基因用來作為代謝工程的工具
美國工程院士基林斯教授(Jay. D. Keasling)
2. 仿生生物學(Bio-inspired and bio-mimetic)
哈佛大學史蒂芬班納教授(Steven Benner)
麻省理工大學羅伯特.蘭格(Bob Langer)
3. 工程導向的生物元件(Engineering-inspired biobricks)
前麻省理工大學教授Tom Knight
4. 探討生物的演化、生命的起源
伯克利大學化學系教授John Arnold
德州大學合成生物學教授Andrew Ellington
哈佛大學教授喬治.丘奇(George Church)
5. 生醫產業化及工具化
哈佛大學偉斯研究所(the Wyss Institute)
6. 基因工程
克雷格-凡特研究機構(JCVI)
霍華德休斯醫學研究(HHMI)

臨床醫療學習分享: 使用google doc內嵌slide,多元紀錄模式

開始臨床工作一週,的確是手忙腳亂,提高效率來管理眾多病人資訊和抽空學習新知變成一種挑戰,佩服那些在臨床職場邊工作邊研究的前輩,意志力相當驚人。

這邊嘗試建立一套在臨床工作的學習模式,嘗試邊學邊做slide的方式來實現,相信蠻多人也是邊工作邊學習的,最好的學習也許就是邊學邊想如何分享給別人吧!

發現wordpress只能embed google doc,針對google slide還沒有支援,這邊找到的偷吃步,是使用google doc中鑲嵌google slide的模式,偷渡到wordpress之中!待完善之中!

視覺設計原則:顏色編碼Color coding

Color can add dimensionality and richness to scientific communications. In figures, color is typically used to differentiate information into classes. The challenge is picking colors that are discriminable. A systematic approach to choosing colors can help us find a lineup effective for color coding.

顏色常用來添加圖表維度和豐富度的工具,如何良好的使用顏色,來區隔資訊,也是一門技巧。其中,最常用的配色方式便是使用“rainbow”方式來表現不同的數值。

在編碼資訊上,顏色較不適合用來編碼量化(quantitative)的資訊,舉例來說,藍色和黃色你有辦法區分誰大誰小嗎?應該很困難吧!反之,顏色很適合用來當作類別(catagorical)資料的編碼,可相對清楚地讓觀察者理解兩種不同的物件。

顏色是一種相對的媒介(relative medium),很容易受到周遭其他顏色的影響,比如隔壁的顏色,或是背景色,都會改變觀看者對顏色的感受。如下圖的a/b,可以看到兩個一樣的墨綠色,在不同背景色時的差異,下圖的c,是常見的熱圖(heatmap),星號註記的是一樣的顏色,但在周圍的顏色襯托下,感覺就不太一樣。

螢幕快照 2018-08-07 下午10.52.06

 

我們所看到的每個顏色由三個屬性所決定:色調(hue)、飽和度(saturation)、亮度(lightness),有一個挑選具有高度差異性顏色的方法,便是用螺旋狀的方式搭配亮度在常見的色彩挑選工具上,可以輕易地挑選出符合目的色彩,如下面的展示圖,可以看到在原形狀的色球上,從中心往外螺旋狀地挑色塊,能達到上面說的目的,實務上,挑出6-8組顏色具有高度分辨率是容易的,而在增加組數,就一定會有相似的顏色出現,需要利用其他的方式來增加分辨能力,如形狀等。

螢幕快照 2018-08-07 下午10.52.11

 

閱讀參考

Bang Wong.(2010) Points of view: Color coding.
Nature Methods.volume 7, page 573

簡介癌症幹細胞(Cancer Stem Cells) – 魔鬼在細節中(四):癌症幹細胞的區位(niche)

這一系列是閱讀此篇論文的摘要和整理
Valent, P., Bonnet, D., Maria, R.D., Lapidot, T., Copland, M., Melo, J.V., Chomienne, C., Ishikawa, F., Schuringa, J.J., Stassi, G., Huntly, B.J., Herrmann, H.G., Soulier, J.S., Rösch, A., Schuurhuis, G.J., Woehrer, S., Arock, M., Zuber, J., Cerny-Reiterer, S., Johnsen, H.E., Andreeff, M., & Eaves, C.G. (2012). Cancer stem cell definitions and terminology: the devil is in the details. Nature Reviews Cancer, 12, 767-775.

區位(niche),這個詞是借用在生態學中的名詞,用來敘述一個物種在環境中的角色,文章在這邊借用這個意思來談癌症幹細胞跟其所屬的組織的互動和角色。

A niche is also an organism’s specificposition or purpose within the group of organisms with which it lives

—-from Cambridge dictionary

當我們確認了所謂的“癌症幹細胞”是存在的概念後,去問“癌症幹細胞在組織中的角色和其他細胞的互動式如何?”便非常順理成章,想要回答這個問題,所牽涉的科學驗證鐵定是更難的,但也更貼近實際上癌症幹細胞在身體內的實際存在狀況。

最近的研究證據顯示癌症幹細胞在體內及體外,對於抗癌藥物的反應不太一樣,暗示了癌症幹細胞所處的環境可能扮演者重要的角色。而目前研究主題已在探討癌症幹細胞所處的環境中的纖維母細胞(fibroblast)、細胞內膜細胞(endosteal cells)、免疫細胞如巨噬細胞(macrophage)對於癌症細胞抵禦治療的原因。

在分子層面則知道參與癌症幹細胞與微環境的互動(CSC-niche interaction)有黏著受體(adhesion receptors)、細胞激素受體(cytokine receptors)、細胞激素配體(cytokine ligand)、趨化因子(chemotactic factors)。其中一個有趣的例子便是CXCR4,其為趨化因子SDF-1(Stromal cell-derived factor 1),在多種癌症細胞中都有發現被表現,其在SDF-1的趨化下,能讓癌症細胞能進入骨髓之中。這發現被用來發展針對CXCR4-SDF-1的藥物,讓癌症幹細胞更容易被現有的藥物所打中,因其無法躲入骨髓之中。

相關引用

Domanska, U. M. et al. A review on CXCR4/CXCL12 axis in oncology: no place to hide. Eur. J. Cancer 8 Jun 2012 [epub ahead of print].

Damon, L. E. & Damon, L. E. Mobilization of hematopoietic stem cells into the peripheral blood. Exp. Rev. Hematol. 2, 717–733 (2009).

Kessans, M. R., Gatesman, M. L. & Kockler, D. R. Plerixafor: a peripheral blood stem cell mobilizer. Pharmacotherapy 30, 485–492 (2010).

Burger, J. A. & Peled, A. CXCR4 antagonists: targeting the microenvironment in leukemia and other cancers. Leukemia 23, 43–52 (2009).

簡介癌症幹細胞(Cancer Stem Cells) – 魔鬼在細節中(三):當前癌症幹細胞的測定方式

這一系列是閱讀此篇論文的摘要和整理
Valent, P., Bonnet, D., Maria, R.D., Lapidot, T., Copland, M., Melo, J.V., Chomienne, C., Ishikawa, F., Schuringa, J.J., Stassi, G., Huntly, B.J., Herrmann, H.G., Soulier, J.S., Rösch, A., Schuurhuis, G.J., Woehrer, S., Arock, M., Zuber, J., Cerny-Reiterer, S., Johnsen, H.E., Andreeff, M., & Eaves, C.G. (2012). Cancer stem cell definitions and terminology: the devil is in the details. Nature Reviews Cancer, 12, 767-775.

如何測定癌症幹細胞

當前最常用來作為癌症幹細分的功能性測定工具,便是免疫缺乏的老鼠,當然,其中根據流程的不同,鐵定有許多概念上的微調,這邊整理一下論文中的關於這類型使用免疫學發老鼠的癌細胞移植模型的缺陷:

限制 可能改善的方式
免疫缺乏老鼠的生命週期短(Short lifetime of mice) second generation recipients or other animals
改變原本癌症幹細胞的實際生長環境(Altered homing of CSCs) Orthotopic injection, humanized vasculature, humanized organ, humanized mice and growth-supporting synthetics scaffolds embedded in local tissue sites
缺乏可以刺激癌症幹細胞的細胞激素(Lack of cytokines that can stimulate growth of CSCs) Injection of cytokines, cytokine-transgenic mice, humanized organs and humanized mice
缺乏原本癌症所處的微環境(Lack of tumour-specific micro-environment) Local injection of human microenvironmental cells, humanized mice and supportive scaffolds
缺乏免疫細胞於環境中(Lack of intact immune cells, lack of natural immunosurveillance) Prior transplantation of CD34+ haematopoietic cells, humanized lymphoid organs, humanized mice and co-transplanaton of immune cells

在未來,持續針對這類免疫缺乏老鼠的模型改善,會對於這類型癌症幹細胞研究提供許多幫助。比如基改老鼠讓其能產生特定的人類細胞激素、將人類的造血細胞移植到老鼠身上,打造適合癌症的環境。

將癌細胞從病人癌症組織培養出來後,以體外細胞實驗的方式來作為癌症幹細胞的研究模型,這類型的細胞實驗需要同時將癌症組織和滋養細胞養再一起,讓這些滋養細胞能分泌這些癌組織所需要的資訊和營養,最後在使用如LTC-IC assay來做量測。這類型的測定第一點明顯的問題就是癌細胞生長的環境跟體內是不同的,所以這些癌細胞在此環境下無法展現出自我更新的能力,不一定代表其就不是癌症幹細胞,只能說其缺乏否些體內環境的因子刺激,另外,體外實驗也無法百分百呈現立體的培養環境,除此之外,體外實驗的細胞頂多只能存活數週到數個月,這些細胞就會死亡,或是分化為臨床上不重要的細胞類別。

最後一類,直接使用常見的癌症細胞株,也常用來作為癌症幹細胞的研究,這類型的研究往往會帶有原本細胞株來源的特性,所以此類研究如何提問就變得很重要,必須很精準,同樣的概念,有人之間使用統合分析(meta-analysis)的方式,直接去分析抗癌藥物,在各類型細胞株中的反應,而找尋相關的關聯,此類研究方式,也有上述需要小心驗證的問題。

綜合以上的討論,在撰寫上述相關類型實驗的研究時,必須要將流程中的細節講清楚,細胞株的名字,實驗中的各種培養時間等等。

近年來,發展出各類老鼠癌症模型,直接在這類動物模型中做研究是不錯的方法,但難度就更高,已經有人使用lineage tracing技術在膠質母細胞瘤、消化道癌症、表皮細胞癌症,直接研究其抗藥性產生的機制。

簡介癌症幹細胞(Cancer Stem Cells) – 魔鬼在細節中(二):關於癌組織是否是株系層狀結構的討論

這一系列是閱讀此篇論文的摘要和整理
Valent, P., Bonnet, D., Maria, R.D., Lapidot, T., Copland, M., Melo, J.V., Chomienne, C., Ishikawa, F., Schuringa, J.J., Stassi, G., Huntly, B.J., Herrmann, H.G., Soulier, J.S., Rösch, A., Schuurhuis, G.J., Woehrer, S., Arock, M., Zuber, J., Cerny-Reiterer, S., Johnsen, H.E., Andreeff, M., & Eaves, C.G. (2012). Cancer stem cell definitions and terminology: the devil is in the details. Nature Reviews Cancer, 12, 767-775.

假如癌組織的演變是來自於從體幹細胞產生組織的過程中發生變異,轉化成癌症幹細胞,進而衍生出一群癌病變組織,那麼惡性腫瘤組織中的細胞間也具有層狀株系(clonal hierarchy),這想法聽起來蠻合理的,目前支持這觀念的研究通常都是從各類型癌症組織從血液腫瘤到實質腫瘤,經由功能性檢測(functional assay)挑選,重新植入免疫缺乏老鼠身上的實驗模型來推論,但後來發現即使這群從各種腫瘤組織中經由嚴格功能檢測實踐摘選出的癌症幹細胞,其實際上異質性相當高,且目前發現部分無法通過這樣功能性篩選方式的癌組織細胞,在不同條件下,其實也能具有發展成一整群癌症組織的能力。

這篇論文Quintana, E., Shackleton, M., Sabel, M. S., Fullen, D. R., Johnson, T. M., & Morrison, S. J. Efficient tumour formation by single human melanoma cells.Nature 456, 593–598 (2008). 便是在談論這個現象。其藉由調整原本用來篩栓用的免疫缺乏老鼠模型由non-obese diabetic/severe combined immunodeficiency (NOD/SCID) 老鼠改成 NOD/SCID interleukin-2 receptor gamma chain null (Il2rg-/-) 老鼠,原本大概只有0.1%病人癌症組織可以因此發展出癌組織,到27%病人癌組織的癌細胞都經由單一癌細胞便能發展成癌症組織。

These findings highlight the fact that malignant cells have perturbed gene expression program that might affect the normal stability or the developmental control  of the expression of certain cell surface markers particularly when the cells are put in vitro.

這樣的證據讓我們能發現到癌細胞其實是一群基因表現非常不穩定的細胞,尤其是在試管內的環境下,可能有許多不可預期的變化。

這些研究顯示或許癌症幹細胞(CSC)內的分子機制顯示其更偏向於一種不穩定的狀態,而到底是如何的調控關係牽涉進去這樣的“癌症幹細胞”狀態,對於當前的研究者便是一個很有挑戰的問題。

Stochastic State Transitions Give Rise to Phenotypic Equilibrium in Populations of Cancer Cells
Figure 5. Two Distinct Models of Cancer
Cell Populations from Gupta, Piyush B., Fillmore, Christine M., Jiang, G., Shapira, Sagi D., Tao, K., Kuperwasser, C., & Lander, Eric S. (2011). Stochastic State Transitions Give Rise to Phenotypic Equilibrium in Populations of Cancer Cells. Cell, 146(4), 633-644.

上面這篇論文Gupta, Piyush B., Fillmore, Christine M., Jiang, G., Shapira, Sagi D., Tao, K., Kuperwasser, C., & Lander, Eric S. (2011). Stochastic State Transitions Give Rise to Phenotypic Equilibrium in Populations of Cancer Cells. Cell, 146(4), 633-644. 頗有趣,使用馬可夫模型嘗試去解構癌症幹細胞這樣的狀態,是否可以用數學模型去解釋。