由于环境的压力，随着时间的推移所有生物都在进化,癌症也不例外。在不断增长的肿瘤中，具有最佳资源竞争力和抵抗环境压力的癌细胞在频率上占主导地位。这是微观上的优胜劣汰。但是，任何特定的个人对环境的适应度都不一定的环境发生变化时，也会发生变化。在充满化疗药物的环境中表现最好的癌细胞，有可能与在没有这些药物的环境中茁壮成长的癌细胞不同。因此，预测肿瘤如何随着时间的推移进化，特别是对治疗的反应，对科学家来说是一个重大挑战。 　　出国看病服务机构携康国际了解，在新研究中，美国纪念斯隆凯特琳癌症中心和加拿大英属哥伦比亚大学的研究人员指出，有一天可能会做出这样的预测。他们发现了利用描述各种群体如何随时间变化的群体遗传学原理建立的机械学习方法，正确预测人类乳腺癌肿瘤如何进化。相关研究结果最近发表在Nature期刊上，论文的标题是论文的标题是。论文通讯作者为纪念斯隆-凯特琳癌症中心计算生物学家Sohrab。Shah博士和英属哥伦比亚大学乳腺癌研究员Samuel在Aparicio博士。
　　Shah博士表示，演化的群体遗传学模式与癌症非常匹配，但由于一些实际原因，将这些模式应用于真正的人类癌症演化一直是一个挑战。在这项研究中，我们表明克服其中的障碍。最终，该方法可能提供预测患者肿瘤是否停止对某一特定治疗作出反应的手段，确定可能引起癌症复发的细胞。这可能意味着在最佳时间提供高度定制的治疗，为癌症患者带来更好的临床结果。三个独立创新相结合，让这些发现成为可能。首先，使用被称为患者异种移植的现实癌症模型，即从患者身上切除并移植到老鼠身上的人类癌症。这些作者为了探索基于白金的化疗药物治疗和停止治疗的影响，在长达三年的时间内反复分析这些肿瘤模型。Shah博士表示，从历史上看，该领域一直专注于从单一快照中了解癌症的进化史。这种方法本质上很容易出错。在一段时间内拍摄很多快照，可以得到更清晰的图像。
　　第二个重要创新是使用单细胞序列技术，同时记录肿瘤中数千个癌细胞的基因构成。之前开发的一种平台使这些作者能够以高效和自动化的方式进行这些操作。最后的创新是一种叫fitClone的机械学习工具，它是与英属哥伦比亚大学统计学教授AlexandreBouchard-Coté合作开发的，它将群体遗传学的数学知识应用于肿瘤中的癌细胞。这种机器学习工具中的方程描述了在一个群体中有不同适应能力的个体的一些起始频率下，该群体将如何进化。
　　有了这些创新，这些作者可以构建单个细胞及其子孙(或克隆)如何表现的模型。当这些作者进行实验测量进化时，他们发现这些数据与他们的模型有着密切的一致性。Shah博士表示，该模型的优点是它可以向前运行，预测哪些克隆可能扩大，哪些克隆可能被淘汰。”换句话说，癌症将如何进化是可以预测的。
　　这些作者研究了一些特定类型的文案数量变化的遗传变化。这些遗传变化是癌细胞中特定DNA片段数量的差异。迄今为止，这种变化的意义还不清楚，人们对癌症进展的重要性也有疑问。Shah博士表示，我们的结果表明，文案数量的变化对适应度有可测量的影响。例如，在他们的老鼠模型中，用白金化疗治疗肿瘤，最终发现抗药肿瘤细胞出现——类似于接受治疗的患者。这些耐药的肿瘤细胞有明显的副本数量差异。
　　据出国看病服务机构携康国际了，研究人员想知道：如果他们停止治疗，肿瘤会发生什么?结果发现在有化疗药物的情况下接管肿瘤的细胞在化疗药物被取消后下降或消失了;耐药性细胞被最初的药物敏感性细胞击败。这种行为表明耐药性有进化成本。换句话说，有利于抗药的特征不一定是在没有这些药的环境下茁壮成长的最佳特征。Shah医生表示，最终目标是有一天可以用这种方法来识别一个人的肿瘤中的特定克隆，预测如何进化，并相应地调整药物。该研究是一项重要的概念进展。表明癌细胞的适应轨迹可以预测和重复。