据统计，全球每年新增癌症患者达700万人，死于癌症的病人达500万人，60％的患者确诊后只能存活5年。目前已知的癌症有200多种，但是，无论什么癌症，在肿瘤的特殊类别（分型）或发展的不同分期方面都发现有基因组的特异变化，而正是基因组的改变（突变）导致了细胞分化、发育和生长通路的不正常，从而引发细胞不正常地失控增殖、生长。
美国政府发起的癌症和肿瘤基因图谱（Cancer Genome Atlas，TCGA）计划，试图通过应用基因组分析技术，特别是采用大规模的基因组测序，将人类全部癌症（近期目标为50种包括亚型在内的肿瘤）的基因组变异图谱绘制出来，并进行系统分析，旨在找到所有致癌和抑癌基因的微小变异，了解癌细胞发生、发展的机制，在此基础上取得新的诊断和治疗方法，最后可以勾画出整个新型“预防癌症的策略”。

2005年12月13日，这一项目由美国国家癌症和肿瘤研究所（NCI）和国家人类基因组研究所（NHGRI）联合进行，预计耗资1亿美元。和人类基因组计划（HGP）相似，TCGA是另一项以基因组为基础的大科学研究计划，它以人类基因组计划的成果为基础，研究癌症中基因组的变化。与HGP专注于疾病的遗传因素（与生俱来）不同，TCGA更关心人类出生后细胞中的基因变化（后天变异）。大部分癌症在威胁到健康之前都会产生几种体细胞突变（somatic mutations），而这些所谓的体细胞或获得性突变是不可遗传的。TCGA是迄今为止世界上所进行的最大一项基因工程，差不多能抵上100多个HGP，在3年探索初期就要绘制出比HGP更多的基因图谱。绘制癌症基因图谱有助于把研究人员从目前逐个追踪基因的大量劳动中解放出来，便于迅速设计和找到针对性抗癌药物。美国国家癌症研究所副所长安娜•巴克认为，这项计划“是生物医学研究中的一大转折点，也是药物治疗的一大转折点”。国立卫生院主管John E. Niederhube医学博士说道“今天我们得到一种新的观点去审视遗传改变在一生当中的蓄积与恶性肿瘤的联系。癌症基因组图试验计划使的我们可能突破我们知识的限制，使的我们可能研究某个病人一生的遗传序列，然后用得到的信息去设计目标性强的，基于个性化的治疗”。

TCGA计划在3年探索初期，成功绘制出2～3种类型的癌症和肿瘤基因组图谱。目前已经确定将先研究肺癌、神经胶母细胞瘤和卵巢癌三种头号癌症和肿瘤的基因组图谱，从而了解整个TCGA项目的可行性，这项工作称为TCGA试验项目。之所以选择这三种癌症，是因为三种癌症可以获得严格满足TCGA科学、技术以及伦理要求的高质量病人组织；而且这三种癌症的预后较差。TCGA试验项目的实施，将使科学家进一步清楚，要系统地找出并明确与癌症相关的基因变异及其它基因组变化这项工作所涉及到的科学难度和技术基础，包括改进基因组的鉴定和DNA测序技术，制定样品处理的规范和质控标准，提高数据分析的精确性和评估数据的效用。在计划后期，预计可以完成目前所发现的200多种类型癌症和肿瘤的基因图谱。

TCGA试验项目的大致安排是这样的：人类癌症生物标本核心资源库（Human　Cancer¾Biospecimen Core Resource）将承担癌症组织标本和正常组织标本的采集、处理和分配工作，并由相关中心（肿瘤基因组鉴定中心　 Genome Sequencing¾Genome Characterization Centers和基因组测序中心 Centers）采用高通量测序技术进行基因和基因组排序，该项目预计在2007年底完成。如同“人类基因组图谱”一样，这项工作获得数据，包括某一特殊基因的突变、染色体重组、转位缺陷等，将输入NCI和国家医学图书馆共同建立的一个公共数据库里，向全球开放。“癌症基因图谱计划将产生的大量数据，而这些数据对技术与协作有着很高的需求”，NHGRI的主管Francis S. Collins，医学博士说，“数据协调中心是一个癌症基因图谱计划的一个重要部分，它可以帮助研究人员利用分子组成的信息描述发生在研究对象（癌症患者）身上的染色体变化。将这些数据综合，遍及全球的独立的研究人员就能够发现新的癌症研究对象并且获悉新一代的抗癌药品配方”。

TCGA试验项目的重要里程碑包括：
1．在一些肿瘤的大部分组织样本中确定独特的基因组变化；
2．根据特定的基因组改变和/或分子标记区分肿瘤亚型；
3．鉴定新的癌症相关的表观遗传学变化；
4．开发新的和改善原有的技术和分析工具。

NCI代理所长Anna D. Barker指出，在癌症医学研究领域，TCGA试验项目可以说具有革命性的作用，将对癌症生物学、基因组学技术、生物储藏库和生物信息学领域的最新成果得到协调发展和最佳应用。我们遇到的主要挑战将是癌症的复杂性问题和开发出使癌症基因组学得以进一步发展的新技术。他强调，对癌症基因组学的研究将成为人类征服癌症事业上的一个不可逾越、必须要解决的问题。

TCGA 挖掘高分文章集锦 CNS 级别：https://www.omicsclass.com/article/1063