肿瘤治疗多组学研究解决方案

治疗响应的个体异质性及有限的响应率，是肿瘤临床治疗及药物开发面临的核心难题之一。既往的研究与临床决策关注靶点基因突变等单一因素，但随着组学技术的广泛应用，治疗响应与抵抗的研究和认知也进入了更为精准与系统的阶段。

肿瘤对治疗干预的响应和反应是一个复杂的体系。该体系既包括肿瘤内部的复杂系统，如肿瘤细胞与各类细胞共同组成的微环境；甚至还涉及更远端的系统，如肠道微生物。

内皮细胞、成纤维细胞、免疫细胞等微环境细胞与肿瘤细胞共面对治疗的干预，并可能通过代谢、基质屏障、细胞因子与通路、免疫等多种途径成为治疗抵抗的帮凶。已有众多证据表明，不同治疗响应的人群，具有不同的微环境特征，而且放化疗治疗会改变和重塑微环境。单细胞组学技术的成熟应用，已开始为探索肿瘤治疗与微环境的关系提供了强大的工具。

微生物是肿瘤诊断和治疗的重要发展方向之一。特别是作为免疫调控的重要参与者，肠道微生物与肿瘤免疫治疗的响应息息相关。《Science》发表的一项临床试验，证实粪便移植可以逆转部分黑色素瘤病人对免疫治疗的抵抗，并且该研究通过单细胞转录组测序、微生物组测序、蛋白质组、代谢组、脂质组等多组学技术整合表征了FMT相关的菌群、免疫细胞及生物分子的特征及其之间的相关性。

治疗响应的研究目的不仅在于发现新的机制机理及潜在的联合干预策略，还在于发现新的标志物来区分、筛选潜在响应的人群。通过将不同类型的分子信息来综合构建诊断模型，即多组学整合，已成为诊断研究的前沿热点。《Nature》发表的研究，将机器学习算法与多组学景观、数字病理等信息结合，构建了可以预测乳腺癌新辅助治疗反应的预测模型。

中科新生命作为多组学临床研究的前沿推动者，继推出“疾病分子分型解决方案”、“纵向队列多组学研究解决方案”等临床多组学研究方案后，再次推出重磅临床研究方案——“肿瘤治疗多组学研究解决方案”系列，包括“研究方案设计-多维度组学分析-生信挖掘”的一站式服务。

该研究方案通过对治疗响应差异人群的多类样本及多组学分析，进行包括肿瘤组织微环境的多组学表征、体液分子特征发现、肠道微生物组成与功能分析等多维度的分析，并进一步进行多组学联合关联分析，以及利用基于机器学习等算法进行响应预测标志物的发现：