由肿瘤细胞生长并在实验室条件下培养的癌细胞系是癌症研究的主要手段。他们提供了有关癌症基因组学和生物学的宝贵见解，但是由于多种原因，科学家们经常难以将基于细胞系的实验数据与来自其互补肿瘤的数据进行比较，或者选择最佳的细胞系来模拟特定的肿瘤类型。

帮助指导这些选择，佳佳沃伦，阿维亚德Tsherniak，詹姆斯·麦克法兰，及癌症相关地图(DepMap)团队在广泛的其他成员已经开发Celligner，一个计算工具，有助于匹配肿瘤细胞系基于基因表达分析数据。

由于细胞系通常在实验室中生长数十年，因此它们无法完全反映出他们应该建模的肿瘤。例如，品系可以表达基因或包含在患者肿瘤中不可见的突变，这可以改变它们对抗癌药物的反应。同时，肿瘤是包含多种细胞类型的复杂混合物，而细胞系通常仅包含一种。

Cellinger通过比较和比对患者的肿瘤和细胞系RNA测序数据(揭示了某个时间点哪些基因在细胞中有活性)来校正这些差异。通过使用Celligner比较来自癌细胞系百科全书，《癌症基因组图集》，TARGET和其他项目的12,000多个细胞系的12,000多个患者肿瘤的数据，该团队能够：

测量特定细胞系模仿它们所代表的肿瘤的程度，突出显示特别强和特别弱的细胞系/肿瘤匹配;

查明最需要新的，更具代表性的细胞系或其他模型的肿瘤类型(例如甲状腺癌和脑癌);和

揭示了一组具有独特表达特征的细胞系，这些特征可以代表转移过程的早期步骤。

他们的完整结果发表在《自然通讯》上。

“该领域的目标是拥有能够反映所有人类肿瘤的癌症模型集合，” Broad癌症计划的研究所科学家，DepMap团队的科学总监Jesse Boehm说。“现在，有了Celligner，我们可以开始衡量我们的进步，并集中精力进行新的努力以缩小差距，并改善我们对分子预测的解释，以使真正的患者受益。”