Help Defeat Cancer

Help Defeat Cancer

Help Defeat Cancer
Help Defeat Cancer logo
BOINC 计算平台上的屏幕保护
开发者
版本历史	2006 年 7 月 20 日
运算平台	Windows/Linux/Mac
项目平台	BOINC
程序情况
任务情况
项目状态	已结束
项目类别	生命科学类
优化程序	无
计算特点	CPU密集： 支持0分享率： 支持GPU计算：
官方网址	Help Defeat Cancer
	[{{{rss}}} 通过 RSS 获取项目新闻]

本项目是 IBM 公司主持的 World Community Grid 项目已经完结的子项目。

任务

World Community Grid 与 Cancer Institute of New Jersey、Rutgers University 和 UMDNJ - Robert Wood Johnson Medical School 一同研究了组织微阵列，以确定如何使用更有针对性的早期诊断工具来改进癌症的治疗。

意义

什么是癌症？

癌症是可以影响身体任何部位的一系列疾病的通用术语。根据世界卫生组织统计，癌症每年导致 700 万人死亡，约占了全球年死亡总人数的 12.5%。每年都有超过 1100 万人被诊断出患有癌症，根据估算，到 2020 年，全球每年将会新增 1600 万癌症患者。

当身体某一部分的细胞异常生长时，就发生了癌变。癌细胞通常会直接进入或移动到身体的其他部位，以侵入其他组织，在这些组织中，癌细胞通过称为“转移”的过程开始增长并替换正常的组织。

产生癌细胞的原因是 DNA 受到了破坏。大多数情况下，身体可以修复被破坏的 DNA，但是在癌细胞中，破坏的 DNA 无法修复。DNA 受到破坏的原因包括遗传、致癌物质、放射性材料的辐射以及某些病毒将自己的 DNA 插入到人类基因组中。

癌症的子类

癌症的广义类别（如乳腺癌、肝癌或肺癌）还具有许多子类别。例如，乳腺癌是一种广义类别，它还包括许多子类（包括管内、小叶、骨髓和胶体），这种分类根据病情的严重性和所需的特定治疗方法和药物，说明了广义类别中的差异。所以，医生不应将乳腺癌看成是一种癌症，而是应该根据每种子类，对症下药。

目前还没有确定癌症的所有子类。随着针对临床特征的新药物和治疗方法的不断涌现，区分癌症的子类就变得越来越重要。为了对不同的癌症进行分类并确定新的子类，研究人员正在进行基因和蛋白质模式分析以确定对应于特定癌症的特征。随着科学家们对疾病发展的了解不断深入，越来越多的癌症子类浮出水面。

组织微阵列

现在出现了一种称为组织微阵列（TMA）的相对较新的研究工具，在帮助医生选择合适的治疗方法以及为癌症病人提供准确的预后方面，业界对这种工具寄予厚望。尽管目前医生还未将 TMA 用于最终确诊，但研究人员确实可以使用 TMA 确定患者的癌症类型和阶段，并根据个别病人的已知情况，系统地研究哪些治疗方法或方法组合对于治疗特定的癌症类型最有效。进而可以根据患者是否具有特定的生物标志，使用特定的治疗方法进行治疗。

在一致地评估癌症组织微阵列中的表达模式时，最大的困难来自于观察者的个人印象。研究发现，如果根据计算机辅助分析进行特征描述，那么客观性、可再现性和灵敏性就会大大改善。Cancer Institute of New Jersey，UMDNJ – Robert Wood Johnson Medical School 中 David J. Foran 教授的实验室领导了一个协作项目，参与这个项目的还有来自 Rutgers University 和 University of Pennsylvania 的一组研究人员。他们一起开发了一个基于 Web 的机器人原型，用于对组织微阵列进行自动化成像，并自动分析、存档和共享数字化的组织微阵列信息。通过结合使用尖端的图像处理和模式识别技术，系统可以自动分析和描述癌组织微阵列中的表达模式。通过 National Institutes of Health 的资助，以及来自 National Library of Medicine 的合同 5R01LM007455-03 与来自 National Institute of Biomedical Imaging and Bioengineering 的合同 1R01EB003587-01A2，这些研究人员开始分析乳腺癌，并且不久就可以开始估算头颈部癌症中蛋白质和分子的表达模式。

目前，医生在诊断癌症患者时，通常是根据对切片样本的显微镜评估，通过会诊和一些辅助测试手段来确定癌症的类型和阶段。最终的确诊会影响治疗方法、使用的药物以及适用的风险级别。

尽管目前医生还未将 TMA 用于最终确诊，但研究人员确实可以使用 TMA 确定患者的癌症类型和阶段，并根据个别病人的已知情况，系统地研究哪些治疗方法或方法组合对于治疗特定的癌症类型最有效。进而可以根据患者是否具有特定的生物标志，使用特定的治疗方法进行治疗。

TMA 还使研究人员能够更好的理解癌症生物学并揭示有助于确定新的疗法的癌症新子类，这不仅使研究人员更深入地了解特定的治疗方法对哪类病人最有效，同时也为将来的药物设计提供了所需的信息。

TMA 除了在研制药物和改进治疗方案方面具有一定的作用外，还能够提供一些传统的样本准备所不具备的优点：TMA 能够充分利用有限的组织资源，因为只需进行很少量的活组织切片检查；另外还可以降低研究成本。

World Community Grid 和组织微阵列

目前，用来确定组织微排列的主要方法是对样本进行人工的交互式检查，在这个过程中，会对这些样本进行主观评价和打分。还有一种较少使用的方法，就是随后对样本进行数字化，以用于之后进行的准定量分析。但这两种过程最终都包括对 TMA 样本的交互式评估，这是一个缓慢而枯燥的过程，很容易产生人为错误。在一致地评估癌症组织微阵列中的表达模式时，最大的困难来自于观察者的个人印象。

IBM 的 World Community Grid 能够使软件中计算资源开销最大的组件以最优的速度运行，从而可以提高执行表达式计算和模式识别过程的精确度和灵敏性。通过利用 World Community Grid 的集体计算能力，研究人员可以分析大量的癌症组织样本，并使用更为广泛的生物标志和色素进行实验，如果使用传统的计算机资源，这种实验是无法完成的。

到目前为止，在已知的生物标志中，只研究了一小部分。长期目标是创建生物标志及其表达模式的库，以便将来医生能够参考该库来进行诊断，并为癌症患者提供最有效的治疗方案。

如果没有 World Community Grid，对 TMA 的评估只能逐个或小批量进行。使用 World Community Grid，就可以并行分析数百个阵列，从而能同时完成多个实验。这种额外的速度和成熟性级别可以使研究人员发现和跟踪可测量参数中细微的变化，从而促进预后线索的发现 － 通常，人工检查或传统的分析方法是无法发现这些线索的 － 因此，最终可以推动癌症生物学、药物研制和治疗方案的发展。

项目状态和成果

“对抗癌症”Web 站点的页面中提供了有关该项目的信息，另外，项目科学家也在该站点中提供了信息。要获取最新的状态报告，请参阅“对抗癌症”状态报告。如果对该项目有意见或疑问，请在“对抗癌症”论坛上发布贴子。

已完成

本项目于 2006 年 7 月 20 日启动，2007 年 4 月完成，单击此处以查看“对抗癌症”项目的最终统计信息。

单击此处转至“对抗癌症”论坛。在该论坛中，您可以阅读研究参与者和 World Community Grid 技术团队更新的贴子。

相关链接

• Help Defeat Cancer
• 本站论坛的 World Community Grid 项目讨论区