基于循环肿瘤细胞基因组特征的肺癌远处转移预测模型的建立及临床应用

肺癌是我国最常见的癌症类型，但肺癌患者的5年生存时间仅为17%。 其中，影响患者预后的最大原因是肿瘤的转移。 临床适用于治疗转移性肺癌的方法很少，且疗效不佳。 因此，早期监测和干预以防止远处转移定植是提高肺癌生存率的关键。 本项目前期研究发现，外周血循环肿瘤细胞可作为肺部恶性肿瘤临床诊治的有效手段。 通过对肺癌患者时空转移差异的分析发现，肺癌不同转移阶段和转移器官的基因组存在较大差异，并且与患者的生存密切相关。 为此，我们提出循环肿瘤细胞的基因组突变特征可以比CT影像学诊断更早发现肿瘤转移信号的假说。 为了验证这个假设，我们将开发一个基于肿瘤基因组学的癌症转移风险评估系统。 首先，我们从公共数据库中收集原发性和转移性肺癌的基因组大数据，利用统计方法筛选出与转移性肺癌及其转移定植器官显着相关的基因组特征。 其次，利用这些特征开发出一套机器学习模型，可以根据肺癌的基因组特征来判断肺癌转移的风险。 最后，我们将该模型应用于临床实践。 通过复查原发性肺癌患者的循环肿瘤细胞检测，建立统计降噪模型提取基因组特征，然后代入模型判断患者携带的循环肿瘤细胞是否存在风险的复发和转移。 通过对比综述中的影像学数据，我们将验证该模型是否比影像学方法更早地检测到肺癌的早期转移信号。 最终，我们的模型将聚合与转移风险相关的基因组标志物，探索其药物靶向性，为早期干预转移定植和延长肺癌患者的生存期提供强大的大数据分析支持。 如果论题得到论证，将有助于阐明利用肿瘤基因组大数据分析揭示转移性肺癌的基因组驱动突变；证明循环肿瘤细胞基因组驱动突变预测肺癌转移风险的可行性；并最终阐明PI3K/Akt/mTOR信号通路的抑制剂能否作为早期干预肺癌转移的靶点。