23日从香港理工大学获悉，该校癌症基因组的大数据分析取得重大突破，通过建立一个创新的大数据分析平台，分析基因之间的相互作用，揭示在癌症中基因网络的失控机制。

　　这项突破是理大医疗科技及资讯学系讲座讲授翁一鸣、陈颖志和黄思铨联同哈佛大学生物统计学专家所组成的研究团队所取得的成果。

　　研究团队还发现诊断及治疗慢性骨髓细胞白血病的潜在标靶基因——核磷蛋白（ＮＰＭ１）及其相关基因。有关研究发现有助确立由核磷蛋白导向的治疗策略，使标靶治疗更准确针对问题在所、对症下药，同时此分析平台亦可广泛应用于其他疾病之上。

　　据介绍，传统的癌症基因研究方法是比较癌症患者与健康人士的整个基因组，找出有显著差异表现的个别基因。这种沿用多时的方法并不能找出基因相互作用及其系统性变化，进而了解有关构成癌症的发病机制。

　　在该项研究中，研究团队假设参与相同机制的基因会呈共同表现（即基因之间的表现水平互为关连），并且探讨每对基因之间的关系，从而破解癌症背后的机制。基因对组合数目会随基因数目以几何级数增加，而人类基因组有超过两万个蛋白质编码基因，因此基因共同表现的分析涉及约两亿对基因。

　　哈佛大学的生物统计学专家帮助研究团队进行了大型计算机模拟试验，确立了癌症基因共同表现的统计方法。研究团队克服了处理大量数据的挑战，只需两天时间便可分析出两亿个基因对的共同表现，突破传统方法的不可能，建立了前所未有的科学基础。

　　这项研究确立了一个创新的结构性基因共同表现分析平台，揭示癌症发病机理，并发展以核磷蛋白导向的治疗策略。共同表现分析发现了基因网络上的失控机制，加深对癌症生物学的了解，有助确定治疗的新方向。这个平台不但对科学发展有所贡献，并可随时应用于其他疾病的诊断、预后和治疗研究之上。