9月6日，芬兰研究团队在《自然 通讯》上发表了一篇新论文，提出了一种在癌症档案活检中准确分析基因组学数据的方法。该工具使用机器学习方法来纠正受损的DNA，并揭示肿瘤样本中的真实突变过程。新研究方法有助于在数百万个档案癌症样本中释放巨大的医学价值。

基于分子的诊断技术能帮助合适的患者匹配到准确的癌症疗法，并揭示为何某些癌症会对疗法耐受，这种新方法能明显加速临床应用的开发。研究人员利用FFPEsig的机器学习方法准确揭示了福尔马林是如何引起DNA突变的。研究结果表明，通常情况下，如果没有噪声校准的话，近一半的癌症过程都会被错失，然而，在FFPEsig的帮助下，超过90%的癌症都能被准确预测到。

这项研究能促使研究人员从室温下保存的肿瘤活检样本中确定临床相关的特征，或许能为研究人员提供一定的机会来利用大型低成本存档样本改变已经开发的特征检测方法。

但是，这种方法目前并不能完全去除FFPE样本中所出现的显示批次效应的印记，而且这种工具的表现也因癌症类型而异，因此必须非常小心地解释任何研究发现；目前研究人员非常感兴趣将他们的方法进一步应用于更为广泛的存档样本中。

信息来源：

https://www.nature.com/articles/s41467-022-32041-5.pdf

http://www.360doc.com/content/22/0915/10/14897000_1047974490.shtml