根据英国癌症研究中心和癌症大挑战资助的科学家的说法，您观看 Netflix 观看习惯背后的科学很快就会被用来指导医生管理癌症。
一个国际科学家团队使用人工智能 (AI) 来研究和分类癌症开始和生长时整个基因组中 DNA 变化的大小和规模——细胞的完整遗传密码。
使用人工智能，科学家们已经确定了癌症开始和生长时存在的 DNA 拷贝的结构、顺序和数量出现的 21 种常见错误。这些常见的错误，称为拷贝数签名，可以帮助指导医生进行反映肿瘤特征的治疗。
当您观看 Netflix 时，会生成有关您观看的电影和电视剧类型、观看频率以及您是否给他们“赞”或“赞”的数据。 Netflix 使用一种算法来分析大量数据，在您观看的内容中找到模式，然后在您滚动浏览 Netflix 时推荐新的电影和电视剧。
由伦敦大学学院 (UCL) 的 Nischalan pillay 博士和加州大学圣地亚哥分校 (UC San Diego) 的 Ludmil Alexandrov 博士领导的一组研究人员构建了一个类似的算法，可以筛选数千行基因组数据和找出染色体如何组织和排列的共同模式。然后，该算法可以对出现的模式进行分类，并帮助科学家确定癌症中可能发生的故障类型*。
使用该算法，科学家们从 9,873 名患有 33 种不同类型癌症的患者的完全测序的基因组中寻找模式。该算法识别了肿瘤中染色体结构和数量的 21 个常见错误，并将它们分类为不同的“类型”，称为拷贝数签名。
21 个拷贝数签名现在将用于创建一个蓝图，研究人员可以使用该蓝图来评估癌症的侵袭性，找到它的弱点并为其设计新的治疗方法。
加州大学圣地亚哥分校副教授、该研究的共同主要作者 Ludmil Alexandrov 博士说：
“癌症是一种复杂的疾病，但我们已经证明，在它开始时发生的染色体变化和它的生长方式之间存在显着的相似性。
“就像 Netflix 可以预测你接下来会选择狂欢观看哪些节目一样，我们相信我们将能够根据其基因组先前经历的变化预测你的癌症可能会如何表现。
“我们希望医生可以查看患者的完全测序的肿瘤，并将肿瘤的关键特征与我们的基因组故障蓝图相匹配。有了这些信息，我们相信医生将来能够提供更好、更个性化的癌症治疗。”
科学家们之前研究了这些大规模基因组缺陷是如何在肉瘤中发生的，并希望找到研究不同类型癌症的这些变化的方法。
使用由 Alexandrov 博士开发的名为 SigprofilerExtractor 的软件，该算法使用复杂的数学来扫描癌症患者的测序数据，并确定染色体在不同类型癌症中如何重组的常见模式。
科学家们进一步研究了对癌症患者预后影响最大的拷贝数特征。在该算法确定的 21 个特征中，科学家们发现，染色体破碎和重组的肿瘤（称为染色体碎裂症）与最差的生存结果有关。例如，该研究发现，胶质母细胞瘤是一种侵袭性脑肿瘤，如果他们的肿瘤经历了染色体碎裂，他们的生存结果会更差。平均而言，没有色素脱失的胶质母细胞瘤患者比肿瘤发生色素脱除的胶质母细胞瘤患者的存活时间长 6 个月。
科学家们希望他们能够改进算法，使医生能够根据癌症开始时获得的遗传特征以及随着癌症生长而发生的遗传变化，找出癌症可能的表现。
伦敦大学学院肉瘤和基因组学副教授、该研究的共同主要作者 Nischalan pillay 博士说：
“为了领先癌症一步，我们需要预测它如何适应和变化。
“突变是癌症的关键驱动因素，但我们的很多理解都集中在癌症中个体基因的变化上。我们一直错过了如何复制、移动或删除大量基因而不会对肿瘤造成灾难性后果的更大图景。
“了解这些事件是如何发生的将有助于我们重新获得战胜癌症的优势。由于基因组测序的进步，我们现在可以看到这些变化在不同的癌症类型中发挥作用，并弄清楚如何有效地应对它们。”
科学家们制作了 SigprofilerExtractor 和其他用于螺柱的软件工具免费提供给其他科学家，以便他们可以使用该算法构建自己的 Netflix 风格的 DNA 染色体变化库，基于从测序肿瘤中获得的数据。
伦敦大学学院博士后研究员、该研究的第一作者克里斯托弗斯蒂尔博士补充说：
“我们相信，将这些强大的计算工具免费提供给其他科学家将加快为患者制定个性化癌症蓝图的进程，为他们提供最好的生存机会。”
英国癌症研究中心首席执行官 Michelle Mitchell 说：
“英国癌症研究中心一直处于了解癌症背后遗传学的最前沿。在我们庆祝成立 20 周年之际，令人惊奇的是，我们可以构建跨越多种肿瘤类型的蓝图，这可能有助于研究人员预测癌症的表现，并展示我们如何通过更精确的治疗来解决它。
“这项研究是癌症大挑战的另一个辉煌成果，旨在应对癌症研究中的一些最大挑战。”