乳腺癌是常见于妇女的一种恶性肿瘤，在组织学形态、转移潜能、疾病反应等方面具有较高的复杂性与异质性。三阴性乳腺癌是常见的一个乳腺癌亚型，主要表现为免疫组织化学上无雌激素受体、孕激素受体、人类表皮生长因子受体 -2 表达，具有较高的恶性程度、侵袭度，容易发生远处转移。目前三阴性乳腺癌治疗以化疗为主，相当一部分患者承受了化疗的毒副作用，且因“盲目”化疗容易产生耐药而无效、复发率高。

近日，来自剑桥大学的研究人员与瑞典隆德大学研究人员合作在《自然·医学》发表的一项研究表明，开发新的机器学习算法对肿瘤全基因组序列信息进行分析，有助于预测患者的预后，帮助患者选择最佳的治疗方案。

近年来，基因测序技术的飞速发展大大降低了测序成本。肿瘤全基因组测序(whole-genome sequencing，WGS) 因此也变得可行，为了探索WGS的临床价值，研究人员对254例三阴性乳腺癌患者进行了测序，并收集了相关治疗和结果数据。在254例患者中，有2.4%的患者肿瘤出现转移，6.7%的患者接受了新辅助化疗。全基因组测序分析获得了体细胞驱动基因突变、致病性胚系突变和体细胞突变特征信息，以及基因拷贝数丢失和杂合性基因获得和丢失信息。研究人员应用了一种叫做“HRDetect”的机器学习算法对肿瘤进行了分类。最初开发此算法是为了检测具有BRCA1/BRCA2基因突变的肿瘤，BRCA1/BRCA2基因中的任一个发生突变都会大大提高乳腺癌患病风险。目前对于具有BRCA1/BRCA2基因突变的乳腺癌患者可以采用一种新的靶向药物PARP抑制剂进行治疗。HRDetect算法提供了一种独特的诊断信息。研究人员发现，与得分低(HRDetect-low)的患者相比，得分高(HRDetect-high)的三阴性乳腺癌患者治疗效果最好，对PARP抑制剂也可能更加敏感。

这项研究表明，以人群为基础的WGS分析得出的HRDetect的状态对于预后的判断是有效的。三阴乳腺癌很难治疗，但通过全基因组测序，可以鉴别出哪些三阴性乳腺癌患者对当前临床上使用的药物比较敏感。重要的是，这种方法可以为研究者提供研究预后差相关机理的线索，并据此开发针对此类患者的新药，助力临床医生制定更合理的治疗方案。（编译：李伟）

参考文献： Nature Medicine 2019;25:1526-1533