徐轶舟, 王 卓

(上海交通大学Bio-X研究院 遗传发育与精神神经疾病教育部重点实验室，上海 200030)

肝细胞肝癌(Hepatocellular carcinoma, HCC)是原发性肝癌中最常见的一种，据统计，它已成为癌症中名列前三的致死原因[1]。随着瓦伯格效应被揭示，人们意识到肿瘤细胞会改变自身的代谢途径以满足不同寻常的增殖、迁移及避免凋亡的需求[2]，因此，癌症可以被认为是一种复杂的代谢疾病。分析其与正常细胞内显著不同的生化通路，找出可能的代谢重编程位点，对于癌症机制的研究有着非常重要的作用。

细胞的代谢网络囊括了所有生化和相关的调控反应。通过网络架构，将这些反应作为一个整体，避免了单个模块的局限性，是代谢网络模型的优势所在。随着高通量测序技术的飞速发展，基因组规模代谢网络的重建从酵母、大肠杆菌等模式生物，到复杂的真核生物，甚至到人都有了广泛的应用[3]。在此基础上，通过结合不同的转录组/蛋白质组数据，细胞系/组织特异性的模型也陆续被推出[4]。

有了人类全基因组规模的代谢网络模型作为基础，很多实验室将其应用到预测各种疾病标志物和治疗靶点的工作中，其中就包括癌症。Mardinoglu等[5]用微阵列数据挖掘出了非小细胞肺癌的关键基因。Uhlen等[6]运用TCGA数据库(The Cancer Genome Atlas, https://portal.gdc.cancer.gov/)中的转录组数据和tINIT(Task-driven Integrative Network Inference for Tissues)算法为多种癌症构建了总计6 753个病人个体化代谢模型，为精准分型提供基础。数个基于此设计的抗癌药物也已被FDA批准并投入临床，如针对EGFR突变导致的非小细胞肺癌的安维汀、治疗HER2阳性乳腺癌的帕妥珠单抗。……