Edwin Wang：肿瘤药物个性化匹配将降低个体化医疗成本

　　专家简介：

　　Edwin Wang博士，加拿大国家科学院、加拿大麦吉尔大学的生物信息学中心教授。他带领的研究团队描绘了第一个人类癌症细胞信号通路图谱，并开发了领先的发现分子标志物的计算方法。他运用这独特计算方法发现了乳腺癌和前列腺癌的高精度（90％－97％）生物标记物并拥有三项国际专利，研究工作被多家国际媒体报道。

　　问：个体化用药热的原因何在？

　　Edwin Wang：通常情况下，一个肿瘤药物只对10-30％的患者有效，但目前医生用药前无法预知哪位患者能够响应某一药物的治疗，这一情况造成巨大浪费并耽误对患者的治疗。如2010年，国际肿瘤药物市场600亿美元，由于事先不知患者是否对药物响应，近450亿美元的药物没有起到作用。因此个体化用药将成为必然。随着基因组学和系统生物学的发展，个体化用药将成为可能。对于研究来说，过去两三年来美国国立卫生研究院，加拿大国立卫生研究院以及欧洲的生命研究基金会先后启动了个体化医疗的研究项目。相信个体化医疗的研究项目会越来越多。

　　问：近年来给您印象最深刻的国内外相关研究成果是什么？

　　Edwin Wang：最近，研究人员培养了来自患者肺部肿瘤的“微型肿瘤”，在体外筛查了各种药物。有效的药物用于患者，临床效果很好。相关报告发表于New England Journal Medicine。尽管很多肿瘤很难培养“微型肿瘤”，并且很难大量筛查药物，但这个试验证明个体化药物治疗的效果。

　　问：9月初，人类基因组详图ENCODE问世，您认为这项计划对个体化用药的研究将会有怎样的作用？

　　Edwin Wang：我们以往关注疾病基因编码区的突变。ENCODE认为基因组中大部分DNA序列都具有生物功能，很多疾病有关的基因本身没有突变，但他们的调控序列发生了突变，这样肿瘤病人个体间的遗传差异会比我们以前估算要大得多。有些个体化肿瘤用药研究只检测基因的编码区突变，其局限性就很明显，ENCODE资源提供了构建基因调控网络的可能。通过分析不同肿瘤细胞的基因调控网络并结合功能基因手段，我们能够从系统生物学的角度研究个体化用药。基因调控序列突变通常影响基因和蛋白表达。基因和蛋白表达为基础的分子标记物则很有前景。

　　问：有人认为大众个体化医疗意识已经觉醒，您如何看待？

　　Edwin Wang：还需要广泛普及个体化医疗的知识，很多医护人员和患者还不具备个体化医疗的意识。

　　问：您认为如何权衡检测成本、遗传检查及个性化用药这三者的关系？

　　Edwin Wang：FDA强烈建议肿瘤新药要有一个相应的基因标记物来判断该药的适用人群。实际上基因标记物亦可在该药的临床测试过程中帮助筛选适用人群，从而提高临床测试成功率并能缩短临床测试时间。我们认为如果把所有药物的基因标记物标准化，对患者的肿瘤只进行一次检测，而用基因标记物群扫描，从而确定最适合的药物，这样就会大大降低检测成本。

　　问：个性化药物被大量研究和开发之后，其价格一定十分昂贵，因为这类药具有十分强的针对性和特异性。如果只有少数人能够承受个性化药物高昂的价格怎么办？

　　Edwin Wang：我们担心个性化药物高昂是建立在个性化用药需要研发大量新药的认知上。实际上现有的肿瘤药物会匹配到适合的人群，而其中一部分人群目前并没有使用该药物，而且有些非肿瘤药物也可以用来治疗癌症。在过去30年中，世界大型医药集团积累了大约有三万多种‘架上药物’，它们大多在第三期临床测试失败，但其安全性等性能均通过临床测试。我们或能对这些进行个性化匹配， ‘ 架上药物’的新用会使这些‘肿瘤新药’变得便宜。我们认为通过个性化匹配，一些非肿瘤药物和‘ 架上药物’会被用于肿瘤治疗，从而降低肿瘤药物的研发成本。另外我们还可以探索药物组合：单独用药物A或B对患者没效，但同时使用A和B两种药物时会有效。探索现有药物组合也是一种有效的方法。

　　问：介绍一下您的团队在个体化用药方面的研究方向、进展及未来计划。

　　Edwin Wang：个体化医疗首先需要做个体化分子诊断。我们主要利用癌症系统生物学的概念、肿瘤基因组数据、计算机统计和模式识别技术，开发用于肿瘤个体化医疗的分子诊断的基因标志物。开发了一系列判断肿瘤预后和肿瘤个体化配药的基因标记物，并拥有国际专利。 我们研发了肺癌、肝癌、胃癌、肠癌、乳腺癌及前列腺癌等高发肿瘤的分子、基因标记物，能通过个体肿瘤基因表达数据预测病人有哪几个基因靶标是药物靶标，预测精度达90％以上。

　　我们可以根据预测的基因靶标的分子标记物扫描“1800种FDA非肿瘤药物作用于肿瘤细胞的基因表达关联谱数据库”来寻找匹配药物。需要说明的是，不是每一个基因靶标都能匹配到相应的药物。但有幸的是，每一个肿瘤大多都有多个基因靶标，这些基因靶标对开发新药有指导作用，我们正在启动临床测试这些药物匹配的分子标记物。接下来准备研发更多的新算法，如实现指导药物的组合，以及能够根据个体肿瘤微环境基因组数据预测个体化抗药性等。