Mapping Cancer Markers

来自中国分布式计算总站

Mapping Cancer Markers

World Community Grid Logo.jpg
Mapping Cancer Markers logo
Mapping Cancer Markers.png

开发者 Senior Scientist, Princess Margaret Cancer Centre, IBM Life Sciences Discovery Center

Tier I Canada Research Chair in Integrative Cancer Informatics

版本历史 2013年11月25日
运算平台 WindowsMac OS XLinux
项目平台 BOINC 平台
程序情况 CPU计算程序
任务情况 详情请见WCG官网“系统需求”一栏
项目状态 运行中/开放注册
项目类别 生命科学
优化程序 暂无
计算特点 CPU密集: 是

支持0分享率:否

支持GPU计算:暂不支持

官方网址 Mapping Cancer Markers
http://www.cs.utoronto.ca/~juris/MCMpr.html 通过 RSS 获取项目新闻


癌症挑战

癌症的发展是一个多步骤的过程,这一步骤由复杂的变化引起并导致不受控制的肿瘤细胞增殖,这些变化包括:许多基因被扩增、删除、变异、上或下调;许多蛋白和通路被激活或抑制。CONCORD的一份涉及5大洲31个国家190万名患者的研究估计,不足50%的癌症确诊患者能通过现今的诊疗手段生存5年(Coleman, 2008)。在2008年,全球有大约1270万例新癌症病例,其中超过40%是肺癌、乳腺癌、结肠直肠癌或胃癌。同年,全球几乎有800万人死于癌症,其中超过50%死于肺癌、胃癌、肝癌、结肠直肠癌或乳腺癌。(http://www.cancerresearchuk.org/cancer-info/cancerstats/world/)

加拿大癌症统计(2012)指出本国大约14%的癌症病例是肺癌,同时肺癌也是死亡数量最高的癌症病因(20,100例,占所有癌症病例的20%)。从1992年至今的研究已经将所有癌症的相对存活率提高了6%。最大的改善表现在霍奇金淋巴瘤和白血病。通过寻找早期诊断的分子学标记物以及区别化的治疗手段,在乳腺癌和前列腺癌领域也已获得了成功。甲状腺癌、前列腺癌和睾丸癌拥有最高的存活率。但是,胰腺癌依然是近乎100%致命,肺癌的整体存活率在过去数十年里几乎没有多大改善,仅从13%上升到16%。

癌症的发生是由于基因发生变化或者环境效应干扰了控制细胞生长的机制。这些变化和正常的细胞活动,都能在组织样本中通过独特的指示物(比如DNA和蛋白质)被探测到。两者被合称为标记物。这些标记物的特定组合可能和某种癌症相关联,能表明患者癌症复发的风险,或者预测患者诊疗反应的概率。虽然有几种标记物已经被确认和某些癌症相关,但依然还有很多标记物未被发现,因为癌症是高度异质的。

生物标记物的发现和验证是复杂的、需要高强度计算的过程,要分析成千上百的参数(临床变量,基因,蛋白质,微RNA,活动性等),并识别出能描述病患、病患预后和治疗反应的最佳子集。为了找到所有临床有用的标记物并挑选出最佳子集,我们要比较所有可能的参数组合,这也是一项极具挑战性的计算优化任务。

方法

测绘癌症标记物项目(MCM)关注于临床应用——发现能被用于改善癌症的检测、诊断、预后和治疗的特定标记物组。项目的第二个目标就是通过广泛分析现存癌症样本的分子谱,来阐明此类标记物组的特征,进而帮助我们更为有效地发现标记物。

要降低死亡率,我们的对策包括三步:

  1. 在早期增加癌症确诊案例的数量:我们需要识别早期癌症探测的生物标记物
  2. 区别化的疗法:我们需要发现治疗选择和反应监控的生物标记物
  3. 改良的疗法:我们需要改进我们对病理机制和药物反应机制的理解,我们需要识别有用的药物组合,并设计新药

为了解决这些挑战,我们打算对假定的标记物实施综合分析,以及全面的计算验证和生物验证。为了找到所有有用的标记物,我们需要使用大型的病患队列(数千的病患样本),测试数以亿计的标记物组合,即使对WCG而言,这也是非常棘手的。因此我们开发了一个使用试探法的软件(指通过专注于搜索最相关的组合子集,从而缩小海量搜索空间的巧妙方法),能极大地降低寻找显著标记物模式所需要的计算工作量。即使这样,还是需要大量的计算处理能力。通过使用WCG,MCM项目研究者能将这个过于庞大的计算过程分割成为更小的、可管理的任务,可以在志愿者的计算设备上完成。WCG使得研究者能着手进行这项雄心勃勃的研究。因此,MCM关注于以下三个目标:

  1. 识别标记物集合,能预测某人是否有极大可能发展出特定癌症,并提高癌症早期探测的概率。
  2. 识别标记物组合,能预测患者对特定诊疗的反应,从而使诊疗方式更为个人化,指引开发出适合这名病患的定制疗法。
  3. 开发更为有效的计算方法,用于发现标记物的关联模式。


参考文献

Coleman, M. P., M. Quaresma, et al. (2008). "Cancer survival in five continents: a worldwide population-based study (CONCORD)." Lancet Oncol 9(8): 730-756. Ein-Dor, L., I. Kela, et al. (2005). "Outcome signature genes in breast cancer: is there a unique set?" Bioinformatics 21(2): 171-178. Ein-Dor, L., O. Zuk, et al. (2006). "Thousands of samples are needed to generate a robust gene list for predicting outcome in cancer." Proc Natl Acad Sci U S A 103(15): 5923-5928.


如何加入项目

该项目基于 BOINC 平台,简要的加入步骤如下(已完成的步骤可直接跳过):

  1. 下载并安装 BOINC 的客户端软件(官方下载页面程序下载
  2. 点击客户端简易视图下的“Add Project”按钮,或高级视图下菜单中的“工具->加入项目”,将显示向导对话框
  3. 点击下一步后在项目列表中找到并单击选中 World Community Grid 项目(如未显示该项目,则在编辑框中输入项目网址:http://www.worldcommunitygrid.org/ ),然后点击下一步
  4. 输入您可用的电子邮件地址,并设置您在该项目的登录密码(并非您的电子邮件密码)
  5. 再次点击下一步,如项目服务器工作正常(并且有适合自身操作系统的计算程序),即已成功加入项目

更详细的加入方法说明,请访问 BOINC 新手指南BOINC 使用教程

本站推荐您加入 Team China 团队,请访问项目官方网站的 团队检索页面,搜索(Search)并进入 Team China 的团队页面,点击页面中的 Join 并输入用户登录信息即可加入!

选择子项目

如何选择具体加入的子项目

如右图所示,登录到 WCG 的官方网站,依次进入“我的网格”,“我的项目”,就可以看到当前可以加入的项目列表了,其中有打勾的是您当前已经加入的项目,您可以根据自己的需要进行修改,完成后点击页面下方的“保存”按钮即可。

项目列表下方的两个选项也可以根据您的具体需要来进行设置。


相关链接

Boinc Icon.png伯克利开放式网络计算平台BOINC
· ·
生命科学类项目 Computational Structural Biology · DrugDiscovery@Home · GPUGRID · Malariacontrol.net · RALPH@home (Alpha内测项目)· RNA World · Rosetta@home · The Lattice Project
地球科学类项目 Climateprediction.net · Quake-Catcher Network Seismic Monitoring
人工智能类项目 MindModeling@Home
天文学项目 Astropulse · Cosmology@Home · MilkyWay@home · SETI@home · SETI@home/AstroPulse Beta (Beta公测项目)· Asteroids@home
物理化学类项目 Einstein@Home · Hydrogen@Home · Leiden Classical · LHC@home · QMC@Home
数学类项目 Collatz Conjecture · NFS@Home · primaboinca · PrimeGrid · SZTAKI Desktop Grid · WEP-M+2 Project
密码类项目 Enigma@Home · Moo! Wrapper
艺术类项目 BURP
多种应用的项目 CAS@home · World Community Grid · Yoyo@home
与 BOINC 平台相关的项目 BOINC Alpha Test · Pirates@home · WUProp@Home
已结束/暂停/合并的项目 ABC@home · AlmereGrid Boinc Grid · APS@Home · AQUA@home · BBC Climate Change Experiment · Biochemical Library · BRaTS@Home · Cels@Home · Chess960@Home · CPDN Beta · DepSpid · DistrRTgen · DNA@home · DNETC@HOME · Docking@Home · Drug@Home · DynaPing · EDGeS@Home · eOn: Long timescale dynamics · Evo@home · Eternity2.fr · FreeHAL@home · Goldbach's Conjecture Project · Ibercivis · Magnetism@home · Mersenne@home · Mopac@home · MilestoneRSA · MFluids@Home · Nano-Hive@home · NQueens Project · Orbit@Home · Open Rendering Environment · POEM@HOME · PicEvolvr.com] · Predictor@home · QuantumFIRE alpha · Ramsey@Home ·RamseyX · Rectilinear Crossing Number · Renderfarm.fi · RSA Lattice Siever (2.0) · Seasonal Attribution Project · SHA-1 Collision Search Graz · SIMAP · SLinCA@Home · Spinhenge@home · Sudoku@vtaiwan · Superlink@Technion · TANPAKU · Virtual Prairie · Virus Respiratorio Sincitial · XtremLab · Zivis
BOINC 相关的工具 BOINCstats BAM! · BOINC Translation Services · BOINC TThrottle