近日，一項刊登在國際雜志Genome Medicine上的研究報告中，來自約翰霍普金斯大學的研究人員通過研究開發了一種新方法來分析頭頸癌對療法耐受性的進化改變特性。研究人員想知道隨著時間延續癌癥如何對療法產生一定的耐受性，以及能利用計算機建模的手段來分析這些改變從而確定患者機體癌細胞產生耐受性的特定時間軸。

研究者表示，我們所開發的名為CoGAPS（The Coordinate Gene Activity in Pattern Sets algorithm）的算法能夠用來確定癌癥耐藥性發生過程中與耐藥相關的分子改變，同時他們還需要開發新方法來收集來自體外細胞魔性的數據，并且開發出計算機分析手段來測定此前在癌癥研究中并未觀察到的結果。

研究者Elana Fertig博士說道，這篇文章的最大亮點之處在于我們把時間看做一個變量，而且我們必須證明在給病人增加負擔之前這一點很重點。文章中研究者在為期11周的時間內檢測了西妥昔單抗療法對頭頸部鱗狀細胞癌癌細胞的效應，在同一研究時間內，研究者對相同的細胞進行研究想觀察這一時間段內發生的事件，同時研究者還試圖避免使用不同批次細胞所帶來的外部變量。

在療法期間，CoGAPS算法能定量癌細胞所發生的進化改變，同時研究結果也能闡明隨著時間延續癌細胞所發生的變化，以及何時這些改變會導致直接性的治療反應或耐受性發生，擁有這些信息或能幫助研究人員開發出組合性或替換性療法來抵御癌癥耐藥性的產生。研究者認為，對比療法前和療法后，大部分的模型系統都能與當前數據同步，為了利用這種算法來尋找癌細胞耐藥性獲得的機制，研究人員就需要制造在患者治療的整個過程中癌細胞所發生的一系列變化。

盡管目前研究人員發現了一系列的分子改變能夠接到癌細胞對療法產生耐藥性，但他們并不清楚癌細胞耐藥性產生的機制以及進化時間軸的具體信息，當將CoGAPS算法于實驗生物學技術以及計算機編程相結合后，研究人員就希望能夠給予臨床醫生和患者更清楚的信息來闡明療法治療過程中患者的疾病是如何變化的。

最后研究者Luciane Kagohara表示，CoGAPS算法不同于當前的標準方法，但其卻能夠讓我們深入理解癌癥對療法產生耐受性的機制；如果我們能夠繪制出癌細胞對療法耐受性發生的圖譜，或許未來就能有效預測癌細胞產生耐藥性的時間點，同時還能幫助研究人員選擇合適的藥物來抵御癌癥耐藥性的產生。（生物谷Bioon.com）