Rosetta预测乳腺癌患者的临床结果

为乳腺癌患者确定最佳的治疗方案是很困难的。处于相同疾病阶段和接受相同治疗的患者可能会有明显不同的结果。化疗和激素治疗可将远处转移的风险降低约三分之一，但研究表明，70-80%接受这种治疗的患者如果没有它也能存活

戴博士和他的同事被要求开发一种工具，使癌症研究人员能够确定乳腺癌患者的哪些基因是未来转移的有力预测因子。要做到这一点，他们将需要软件，将强大的统计功能与快速处理大型数据集的能力相结合。软件必须足够灵活，允许在选择特征和构建分类器时进行试错。

“微阵列实验的关键挑战之一是图像分析，”戴博士解释说。他的团队需要一种有效的方法，从微阵列幻灯片的TIFF图像中提取信号强度，以确定特定细胞中存在多少基因。由于TIFF图像太大太复杂，无法手工处理，程序员需要对图像进行预处理，并设计一个批处理过程来提取相关数据。

*早期乳腺癌试验者合作小组

NKI研究人员与罗塞塔团队合作，对117名患者的进展进行了五年多的跟踪研究。他们检查了结果不佳的患者的原始DNA样本，以确定其表达水平与结果相关的基因。利用这些数据，戴博士的编程人员使用MATLAB进行DNA微阵列分析，识别出了能够有力预测远处转移的基因。

“由于MATLAB和图像处理工具箱™是完全集成的，MATLAB平台非常适合矩阵计算，我们不必花时间编写低级图像处理和基本的数据分析例程，如向量和矩阵计算，”戴博士指出。

然后，编程人员在MATLAB中开发了一种无监督的分层聚类算法，使他们能够根据主要表达特征对患者的肿瘤进行分组。然后，他们根据携带预后信息的基因开发了一种分类器。他们发现有70个基因与患者的预后密切相关，这表明可以根据原发肿瘤的基因表达谱来确定预后。

信息学小组还使用MATLAB为他们的商业产品Rosetta Resolver基因表达数据分析系统创建了算法原型和代码。基于与乳腺癌预测工具相同的前提，Rosetta Resolver包括用于高效分析、可视化和基因表达数据存储的工具。戴博士指出，MATLAB大大加快了该产品的原型制作过程。