图片来源：做这些简单的事情，也可以让基因检测播种下优质的基因，最终长成参天大树，成为行业的翘楚。
本文转载自“ba”。
肿瘤的正确诊断对于后期治疗至关重要。在过去的一个世纪中cns肿瘤的分类主要是依据对组织发生的认识人们可以根据肿瘤与某种起源细胞的相似性和推定的分化水平对其进行分类。一般而言组织学上的特征主要取决于显微镜下苏木精-伊红染色特征、相关蛋白的免疫组织化学表达以及超微结构的特点【】。
版世界卫生组织(who)中枢神经系统肿瘤分类相对于版首次在组织学的基础上使用分子学的特征来进行肿瘤分类从而为分子时代cns肿瘤诊断构建了一个新的概念【】。然而在已知的多种中枢神经系统肿瘤 cns 简称“cns肿瘤”中相关标准化的诊断面临很大的挑战。
n杂志以长文形式发表了德国海德堡大学医院、德国癌症研究中心等单位上百名科学家联合完成的题为“dna - ”的论文研究发现基于dna甲基化数据的分析可以改善脑肿瘤的诊断。
来肿瘤表观遗传学领域的快速发展为肿瘤诊断分型提供了一种可靠、有效的方法【】。尽管此也有部分关于运用dna甲基化的分析对某些cns肿瘤进行分型的报道【-】但是最新的这项研究却是对于所有cns肿瘤进行系统的基于dna甲基化检测分析的分型研究具有重要的应用价值。
为了高效、迅速的对cns肿瘤进行分类研究人员开发了一个机器学习程序它可以对甲基化数据进行分类。开发出来的程序经过训练后可以使用甲基化指纹鉴定种肿瘤种cns肿瘤种对照样本。下图。
训练采用的参照数据来自约名癌症患者。作者在例已经经过人工检查的中枢神经系统肿瘤上进行了测试发现有例存在误诊。该程序不仅可以提高诊断准确率而且它的客观性还使之可以如实鉴定出新型罕见肿瘤——人工检查时会有根据已知肿瘤类型进行诊断的压力甚至在非典型病例中也是如此。
为了让这种新方法得到广泛应用作者生成了一款免费在线工具m n ; :--可以在区区几分钟内分析上传的数据。自上线以来该工具已被使用逾次用户可以选择分享他们的数据以便进一步优化算法。作者总结表示将甲基化指纹与脑肿瘤自动分类器整合起来还可以为创造类似的肿瘤分类算法用于诊断其它癌症类型提供一个蓝图。
参考文献：
、王凯 张姝 施露 王鑫 艾林 &; 戴建平 ()世界卫生组织中枢神经系统肿瘤分类概述 磁共振成像 () -
、l d n o h w o d &; c w k who ct c n s (iarc )
、f a f a dna g r– ()
、h v d dna n– ()
、m s e : l o–()
h v r - - dna a n–()
、s d h hfaidh c c–()