به گزارش حلقه وصل به نقل از مدیکال اکسپرس، محققان ابزاری را توسعه داده‌اند که انواع داده‌های مولکولی بیماران و تومورها را با هدف هدایت داروهای دقیق ادغام می‌کند.
وعده داروی دقیق سرطان این است که انکولوژیست‌ها درمان را بر اساس مشخصات مولکولی منحصر به فرد بیمار طراحی کنند. با این حال در عمل تفسیر مجموعه گسترده‌ای از نقاط داده که یک فرد و سرطان آن‌ها را تشکیل می‌دهد، چالش برانگیز است. پایگاه‌های داده و ابزارهای تحلیلی که ممکن است متخصصان انکولوژی از آن‌ها استفاده کنند، معمولا بر تغییرات فردی در مناطق سوماتیک یا غیرارثی کدکننده پروتئین ژنوم تمرکز می‌کنند. آن‌ها عموما انواع مهم دیگری از داده‌های ژنتیکی مانند تغییرات ارثی یا ترکیبات جسمی در ژن‌ها را شامل نمی‌شوند. دانشمندان و سرطان شناسان نیز معمولا این ویژگی‌ها را به طور جداگانه در نظر می‌گیرند، نه اینکه در کنار هم یا در کنار ویژگی‌هایی که تومور را در سطح جهانی مشخص می‌کنند، در نظر بگیرند.
اکنون محققان موسسه سرطان دانا-فاربر (DFCI) و موسسه Broad از MIT و هاروارد ابزاری را ایجاد کرده‌اند که ممکن است به بهبود تفسیر پروفایل مولکولی تومور کمک کند. این ابزار که Molecular Oncology Almanac نامیده می‌شود و به اختصار MOAlmanac شناخته شده، انواع مختلفی از داده‌ها از بیماران و تومورهای آن‌ها را برای شناسایی داده‌های مرتبط با پیش آگهی بیماری و مقاومت یا حساسیت به درمان‌ها ادغام می‌کند. این پلتفرم همچنین می‌تواند به محققان در یافتن یک رده سلولی سرطانی با مشخصات مولکولی مشابه تومورهای فردی کمک کند و همچنین داروهایی که می‌توانند این سلول‌ها را از بین ببرند یا رشد آن‌ها را در آزمایشگاه متوقف کنند.
ریاردون و ون آلن، (عضو مشترک در Broad و دانشیار در DFCI و دانشکده پزشکی هاروارد) و همکارانش MOAlmanac را توسعه داده و آن را بر روی گروه‌های مختلف بیماران آزمایش کردند. آن‌ها دریافتند که حدود دو استراتژی درمانی برای هر بیمار مشخص شده و فرضیه‌های بالینی بیشتری نسبت به الگوریتم‌هایی که فقط انواع سنتی داده‌ها را تجزیه و تحلیل می‌کنند، ارائه شده است.
ریاردون و ون آلن درباره مزایای بستر خود و سهم آن در آنچه آن‌ها (دموکراتیزه شدن) دقیق سرطان شناسی می‌نامند، بحث می‌کنند، آن‌ها امیدوارند روزی هر پزشک بدون توجه به موقعیت جغرافیایی بتواند از ابزار آن‌ها استفاده کند.