基因線上專刊 5月號/2018

重新認識標靶藥物

1971年耶誕節前夕，美國總統尼克森簽署國家癌症法 (National Cancer Act of 1971)，開啟了現代化癌症研究與治療的新紀元。當時，大腸直腸癌的五年存活率約41-46%，胃癌約為11-15%，肺癌則約8-12%，而肝癌更僅約2-7%。存活率之所以如此低，主要是因為當時對癌症的致病機轉不清楚，也缺乏有效的治療選擇。國家癌症法的頒布，讓大量政府經費得以投入癌症研究和國家癌症研究所 (National Cancer Institute, NCI) 的設置，並吸引最頂尖的醫師與生物學家投入抗癌藥物的開發。最初的研究目標是希望利用癌細胞快速生長和分裂的特性，找到可鎖定和殺死快速增殖細胞之萬用癌症藥物。後來這些研究確實發掘許多可透過影響DNA或細胞複製而殺死癌細胞的藥物，統稱為化療藥物，至今仍廣泛被使用。不過因為身體其他快速增殖的細胞 (像是毛囊細胞、腸壁細胞等) 也會大受化療藥物打擊而引發副作用，因此當後續研究陸續發現各類癌症的生長驅動因子和機制，研究目標就轉為尋找可鎖定這些驅動因子或機制的療法，也就是所謂的標靶藥物 (targeted therapy)。

標靶藥物的主要型態
就狹義上來說，標靶藥物是指鎖定癌細胞之生長驅動因子或機制的小分子藥物或單株抗體；但就廣義而言，標靶藥物包含所有可鎖定腫瘤細胞的療法，像是：
荷爾蒙療法：鎖定驅動癌細胞生殖的荷爾蒙，阻斷其生成機制、受體、或下游訊息傳遞路徑，像是全球第一個核准上市的乳癌標靶藥物tamoxifen即屬這類療法。
訊息傳遞阻斷劑：鎖定驅動癌細胞生殖的特定因子，阻斷其訊息傳遞機制，像是常用於血癌和肺癌之酪氨酸激酶抑制劑 (tyrosine kinase inhibitor, TKI) 即屬這類療法。
抗血管新生療法：鎖定腫瘤生長所需的血管生成機制，阻斷腫瘤釋放的血管新生因子，像是核准用於多項癌症之抗血管內皮生長因子 (vascular endothelial growth factor, VEGF) 單株抗體即屬這類療法。
免疫療法：鎖定腫瘤規避身體免疫細胞的機制，幫助免疫系統辨識和清除癌細胞，像是近期被核准之抗計畫性死亡-1/計畫性死亡-配體1 (programmed death-1/programmed death-ligand 1, PD-1/PD-L1) 單株抗體即屬於這類療法。

標靶藥物的主要型態看似不多，但鎖定的因子和機制其實非常多樣而複雜，發展趨勢也朝向結合不同型態和機制的藥物從更多面向打擊腫瘤。而隨著生醫研究發展，未來也會出現新興型態的標靶藥物，像是致癌基因修飾療法、癌細胞轉移阻斷劑等，都是相當受關注的新治療模式。此外，目前已知固態腫瘤內除了癌細胞外，尚有癌症幹細胞、纖維母細胞、基質、免疫抑制細胞等其他助長癌細胞生長或是保護癌細胞不受攻擊的輔助細胞，而現在也有許多研究團隊正積極針對這類細胞開發標靶藥物進行打擊。

進入生醫領域已好一段時間，接觸許多癌症與基因檢測相關知識，但當聽到身旁親友罹癌時，內心依然相當震動，也深深有感，即便是科技如此進步的精準醫療時代，癌症仍是威脅人類生命健康的頭號殺手。因此我思考著：身為專業生醫媒體的我們，如何運用自己的力量為社會大眾做些什麼？

標靶治療與基因檢測的重要關連

談到精準醫療，基因扮演了很重要的角色，而腫瘤細胞中存在不同的突變，影響預後及用藥的成效，因此這次特別策劃標靶藥物專題，讓我們重新認識這項發展已有半個世紀的突破性癌症治療，除了國際上值得關注的相關臨床試驗，也採訪國際知名腫瘤權威 ─ 台大醫院的楊志新醫師，深入剖析標靶治療的迷思、標靶治療與基因檢測的重要關連、以及基因檢測技術在臨床應用上面臨的挑戰，希望提供更多資訊，幫助有需要的病人。

體學金字塔 ─ 數位化的生命藏寶圖

再來，過去以單一體學進行疾病研究已經揭發許多致病因子，但疾病的發展機制錯綜複雜，牽涉到基因突變、表觀遺傳異常、轉錄轉譯失靈、蛋白質間的相互作用改變或環境因素等，隨著定序技術和分析方法的日新月異，多體學（multi-omics）興起，透過對單體學訊息的深入挖掘、整合多體學數據對疾病展開分析，為疾病研究開啟新思路，此次的體學專題，特別企劃採訪代謝體學權威長庚大學蕭明熙教授，知名基因功能醫學專家劉博仁醫師，法國代謝體先驅 Dominique Rolin 博士，以及加拿大 Genome BC 的 Catalina Lopez-Correa 博士，藉由大師之間的對談，讓讀者優游於體學世界的奧妙。

當 AI 走入醫療，我們該如何正確看待？

最後，則是現今最熱門的人工智慧議題，自從 AlphaGo 完勝世界棋王，外界對於 AI 在各領域的應用充滿期待與想像，加上生醫領域的蓬勃發展，君不見 Google 、Apple、亞馬遜等世界知名企業皆投入 AI 的醫療應用，更遑論耕耘已久的 IBM 超級電腦 Watson ，然而，到底什麼是真正的醫療用 AI？AI 是否會取代醫生？ 透過北醫李友專教授及日本 AI 公司 Preferred Networks 創辦人岡野原大輔，暢談 AI 於醫療應用的各個面向，及深度學習為生醫領域所帶來的新契機。
總編輯 Thomas Huang

●全球趨勢
生技市場大預測 2
BIO Asia 現場直擊 4
 
●標靶治療專題
重新認識標靶治療 7
2018 年值得關注的標靶療法 9
楊志新醫師：標靶治療的進展與挑戰 13
 
●體學 (omics) 專題
體學金字塔，創造數位化的生命藏寶圖 17
蕭明熙教授：訴說生命故事的代謝體學 20
如何扭轉基因宿命？專訪劉博仁醫師 24
Dominique Rolin：突破代謝體學與流體學的研究困境 27
Catalina Lopez-Correa：加拿大如何推動基因體學發展 30
 
●NGS 專題
毛細管電泳能於 NGS扮演什麼關鍵角色？ 33
 
●產胎醫學專題
台灣婦產科醫學會 聚焦孕前 / 產前基因篩檢 37
 
●人工智慧專題
《AI，醫療，大數據》：專訪北醫李友專院長 41
Preferred Networks岡野原大輔：深度學習開啟醫療新境界 44
 
●產業動態
Emulate攜手Roche：器官晶片潛力無窮 48
中國醫藥監管大改革  政府辦事效率大提升？ 49
消費者基因檢測失準  遺傳諮詢受考驗 50
BRCA1/2基因檢測 全球標準大不同 51
 
●科技新知
免疫治療前的關鍵診斷：NGS檢測微衛星不穩定 53
農業大突破：單基因改造幫助省水25 %  54
CAR-T療法的過去、現在與未來  55
各國生物資料庫大閱兵  57
我的祖先哪裡來？DNA告訴你  63