一项基于患者衍生器官模型的回顾性研究表明，细胞体积的细微变化可以作为功能性生物标志物来预测患者对癌症药物的反应。这种基于“功能精准医学”方法的诊断测试可以为患者匹配最有效的现有治疗方法，对缺乏基因组生物标志物的癌症和药物尤其有用。

“功能性精准医疗背后的理念是，对于癌症，你可以取出病人的肿瘤细胞，给它们服用病人可能得到的药物，并在给病人服用之前预测会发生什么，”哈佛大学医学院副教授、该研究的资深合著者、达纳法伯患者衍生模型中心主任基思·利冈医学博士说。

该研究的资深作者、生物工程和机械工程系教授、科赫综合癌症研究所成员斯科特·马纳利斯博士表示，新的体外技术包括从患者身上移除肿瘤细胞，用药物治疗细胞，测量细胞质量的变化，可以应用于各种癌症和药物治疗。

Manalis说:“基本上所有临床使用的抗癌药物都直接或间接地阻止了癌细胞的生长。”“这就是为什么我们认为测量质量可以提供许多不同类型药物机制的影响的普遍解读。”

在目前的研究中，研究人员通过测量69例侵袭性脑癌(胶质母细胞瘤)患者的神经球模型对化疗药物替莫唑胺的反应，利用患者生存和基因组学现有的匹配数据，验证了这种新方法。

这篇论文题为“利用单细胞团块进行功能性药敏试验，预测患者源性癌症神经球模型的治疗结果”。研究结果发表在《细胞报告》(Cell Reports)杂志上。

每年有近13000名美国人被诊断出患有胶质母细胞瘤。尽管放疗和化疗延长了生存期，但大多数患者会在一到两年内死亡。“对于这种疾�。忝挥刑嗟氖奔淅醋龀龅髡Ｒ虼耍绻懔靡恢治扌б┪�6个月，那就相当重要了。”“这种分析可以帮助加快每个患者的学习过程，并帮助做出决策。”

替莫唑胺是一种抑制细胞周期进展的药物，只对两名胶质母细胞瘤患者中的一名有效。一种被称为MGMT的基因甲基化目前被用来预测患者是否会对药物产生反应，但由于其他遗传因素，该标记不能为所有患者提供可靠的预测。

在新的方法中，该团队使用了Manalis实验室开发的一种技术，通过振动微通道让单细胞流动，以极高的精确度称重。在早期的研究中，该团队使用该技术计算胶质母细胞瘤和淋巴母细胞白血病的单个癌细胞在一种药物的多次治疗后随时间的增长速度的变化。然而，最初方法的缺点是，癌细胞需要在系统中停留数小时，因此可以反复称重，以计算随时间的增长速度。

目前的研究使用了一种更简单、更快、高通量的系统，它可以测量药物治疗和未治疗的癌细胞之间单细胞质量分布的细微变化，从而预测患者的生存。作者报告说，通过简单地测量2000个活胶质母细胞瘤细胞在替莫唑胺治疗前后的质量差异，他们可以准确地预测患者是否对药物有反应。

作者指出，在预测患者对药物的反应方面，质量测量与MGMT甲基化标记物一样准确，但它有额外的优势，在那些基因标记物不能揭示替莫唑胺敏感性的患者中起作用。

“大多数癌症根本没有可以使用的基因组标记。我们认为，这种功能性方法可以在其他没有任何基因组标记选择的情况下发挥作用，”Manalis说。

“理想情况下，我们会测试病人最有可能得到的药物，但我们也会测试备用方案:利冈还担任布莱根妇女医院(Brigham and Women 's Hospital)的神经病理学主任和波士顿儿童医院(Boston Children 's Hospital)的病理学顾问。

Manalis和Ligon共同创立了一家名为Travera的公司，该公司获得了这项技术的许可。他们希望这种方法可以用于开发临床验证的实验室测试，预测患者的最佳治疗选择。