本研究是乳腺癌领域的第一个类器官研究，发表于Cell. 2018 Jan 作者是 N Sachs ， 到2018年底已经被引用超过50次啦，文章题目是：A Living Biobank of Breast Cancer Organoids Captures Disease Heterogeneity.
研究者收集了 超过150例乳腺癌患者样品，然后声称其团队成功的制作了超过100个类器官。
From 155 tumors, we established 95 BC organoid lines that readily expanded.
而且NGS数据分析结果表明类器官比较好的保留其配对肿瘤样品的CNV和SNV特征。
分析流程很常规，就是想办法提供organoids的成功率，并且从各个角度来证明：

• histology
• whole genome DNA sequencing (WGS)
• RNA sequencing (RNA-seq)
• drug testing
  

  全基因组分析

  上游分析得到somatic的SNVs流程我在生信技能树多次介绍过，这里作者采取的是其实验室内部数据分析流程，但是大同小异。数据上传到了 EGAS00001002158 需要申请授权才能下载。
  数据分析流程详细描述如下：
  
  全基因组测序数据得到的CNV信息，有两个匹配比较好的organoids如下：
  
  事实上这样的展现方式并不好，需要仔细看两个CNV图的相似性，如果仔细看，其实很多地方并不匹配。
  其它的配对的类器官就不值一提，所以作者仅仅是挑选部分基因来看organoids及其primary肿瘤的CNV的匹配情况，如下：
  
  即使是作者只挑选部分基因来展示CNV的匹配性，而且作者也声称匹配性很好，可是他并没有给什么统计学指标证明匹配很好。
  对SNV也是如此，挑选部分基因秀，如下：
  
  可以肯定的是organoids的SNV不可能百分百与其primary肿瘤的somatic SNV一致，所以作者比较的是突变的总数，以及突变的特征频谱，如下：
  

  从DNA变异情况看organoids不同培养时期的情况

  同样，首先是CNV情况：
  
  可以看到是类似的，可以得出结果organoids保留了其肿瘤的分子特性。
  然后看SNV的，首先是突变数量和6突变频谱如下：
  
  然后看96突变频谱：
  
  最后作者的结论就是organoids保留了其肿瘤的分子特性，而且培养时间影响不大。

  转录组数据分析

  首先看作者的转录组数据处理方法：
  
  转录组表达量矩阵的利用率比较低，基本上就看了看相关性，还不如PCA图来的直观，而且也就是跟TCGA的乳腺癌糅合在一起进行聚类，如下；
  
  

  药物处理数据分析

  目前不是我急需的， 后来肯定会花时间补充这部分知识点。
  因为数据并不能下载重新分析，所以本文解读到此结束。