搜索引擎不但能够用来查找网页，还能被用来确定肿瘤标志物。据物理学家组织网近日报道，德国德累斯顿工业大学的研究人员日前使用改良过的搜索引擎算法发现了7个肿瘤标志物，这些标志物不但可以帮助医生对患者的病情作出准确诊断，还能帮助研究人员据此开发出新的抗癌药物，在临床上具有重要价值。相关论文发表在最新一期的《美国公共科学图书馆·计算生物学》上。

    此前要找到这些标志物需要经过大量的实验，不但费时而且费力。另外一个问题是，在不同的研究中所发现的标志物总是各不相同，无法相互印证。德累斯顿工业大学的科学家发现这与搜索引擎在处理大量重复网页和超链接时所遇到问题颇有几分类似。于是他们对谷歌网页排名（PageRank）算法进行了改造，按与胰腺癌的相关性对2万个蛋白质进行了排序，结果从中发现了7个肿瘤标志物。这些生物标志物可以帮助医生对癌症早期的体液或由手术中所获得的活体组织进行检查，以确定患者是否需要接受化疗。

    研究人员发现，一旦将网络信息加入到分析当中，这些标志物就会变得更易重复。其中一项就与美国北卡罗来纳大学早期的一项重要发现相重叠，该标志物能对胰腺癌的侵略性进行评估。

    论文第一作者克里斯托夫·文特说，虽然新的生物标志物看起来比目前所使用的更多更全面，但它们还需要经过进一步的研究和临床试验才能获得应用。“但不管怎么说，我们成功迈出了第一步。”文特说。目前该研究小组已经与几家生物技术公司展开了合作，胰腺癌药物的临床试验也已逐步展开。（王小龙） 

患有同种癌症的两位病人对于同样的治疗方案，可能会出现不同的反应，但是我们事先却无法确认对某种特殊药物，哪位病人，以及为什么治疗效果好。虽然许多研究成果已将基因表达与临床结果联系在了一起，但是这些研究之间的关联，或者说是规律，我们了解很少，而且这些成果也不是特别精确。

为了解决这个问题，来自德国的科学家利用著名搜索引擎Google的PageRank算法，对基因表达网络打分排序，用于预测癌症病人的临床反应。

来自德累斯顿工业大学的研究人员正在进行一项课题：通过前列腺癌患者样品，研发能识别明确标志物的计算机系统，博后Christof Winter说，“我们经常使用网络了解基因表达数据集，但是现在我们需要一个更加自动化，目标性强，可重复性的预后指标，我们首先利用我们自己的算法进行了实验，但随后我们就意识到，我们需要的是已有的，比如PageRank中的方法。”

由此研究人员开发了一种与Google中的PageRank运算规则相似的方法——NetRank，这种方法也能基于超链接的数量，找到相关文件。NetRank能评估基因产物之间的生物学联系，评估这些表达产物在预测病人存活率方面的作用，这一相关成果公布在PLoS Computational Biology 杂志上。

这项研究从30位已故的，1996–2007年期间进行了前列腺癌手术的病人入手，分析了他们的基因表达谱。如果病患预后效果好，也就是生存超过了平均时间：17.5个月，就分到预后效果好的组中，如果没有达到这个时间，就分到预后效果差的组中。

然后研究人员分析了8000个基因的表达，寻找在这两组中是否存在差异。

由于基因相互关联的方式有很多，因此Winter和他的同事就利用NetRank分析了三种不同的网络：转录因子-靶基因相互关联；蛋白-蛋白相互作用；以及基因共表达作用。结果他们发现，转录因子-靶基因关联的预测准确度最高，利用这一网络，研究人员找到7种能预测样品组存活率的基因。

为了验证这一结果，研究人员又分析了另外412位，1991–2008年期间进行前列腺癌外科手术的患者，由于临床上易于进行免疫组化分析，因此他们就利用这一 分析了每个病人肿瘤样品中的7个基因的表达。

对于进行了辅助治疗的病人来说，这7个基因中有6个基因能用于精确预测，而没有接受此类治疗的病人则只有5个基因可用于预测。NetRank能在常用临床参数之外，提高预测值，常用临床参数包括肿瘤大小，区域淋巴结，肿瘤转移，组织学分级，以及残余肿瘤。

蛋白和基因并不是凭空相互作用的，它们需要一个网络。NetRank能分析基因作为一个预后指标的相关程度，不仅是作为将其表达与存活率联系在一起，而且能通过相互作用模式，使其比目前已有的方法更加精确。

（生物通：张迪）