INTRODUCTION Multidisciplinary studies for glial tumors has produced an enormous amount of information including imaging, histology, and a large cohort of molecular data (i.e. genomics, epigenomics, metabolomics, proteomics, etc.). The big data resources are made possible through open access that offers great potential for new biomarker or therapeutic intervention via deep-learning and/or machine learning for integrated multi-omics analysis. An equally important effort to define the hallmarks of glial tumors will also advance precision neuro-oncology and inform patient-specific therapeutics. This review summarizes past studies regarding tumor classification, hallmarks of cancer, and hypothetical mechanisms. Leveraging on advanced big data approaches and ongoing cross-disciplinary endeavors, this review also discusses how to integrate multiple layers of big data toward the goal of precision medicine. RESULTS In addition to basic research of cancer biology, the results from integrated multi-omics analysis will highlight biological processes and potential candidates as biomarkers or therapeutic targets. Ultimately, these collective resources built upon an armamentarium of accessible data can re-form clinical and molecular data to stratify patient-tailored therapy. CONCLUSION We envision that a comprehensive understanding of the link between molecular signatures, tumor locations, and patients' history will identify a molecular taxonomy of glial tumors to advance the improvements in early diagnosis, prevention, and treatment.

中文翻译：

---

通过大数据和多学科研究促进神经胶质瘤的神经肿瘤学。

简介对神经胶质瘤的多学科研究已经产生了大量信息，包括成像，组织学和大量的分子数据（即基因组学，表观基因组学，代谢组学，蛋白质组学等）。通过开放访问使大数据资源成为可能，开放访问为通过深度学习和/或机器学习进行集成多组学分析提供了新的生物标记或治疗干预的巨大潜力。定义神经胶质瘤标志的同等重要的工作也将促进精确的神经肿瘤学发展，并为患者提供特定的治疗方法。这篇综述总结了过去有关肿瘤分类，癌症标志和假设机制的研究。借助先进的大数据方法和正在进行的跨学科研究，这篇评论还讨论了如何将大数据的多层集成朝着精准医学的目标发展。结果除了癌症生物学的基础研究以外，综合多组学分析的结果还将突出生物学过程和潜在候选物作为生物标志物或治疗靶标。最终，建立在可访问数据集结上的这些集体资源可以重新形成临床和分子数据，从而对患者量身定制的治疗方法进行分层。结论我们认为，全面了解分子标记，肿瘤位置和患者病史之间的联系将确定神经胶质瘤的分子分类学，以促进早期诊断，预防和治疗的改善。结果除了癌症生物学的基础研究之外，综合多组学分析的结果还将突出生物学过程和潜在候选物作为生物标志物或治疗靶标。最终，建立在可访问数据集结上的这些集体资源可以重新形成临床和分子数据，从而对患者量身定制的治疗方法进行分层。结论我们认为，全面了解分子标记，肿瘤位置和患者病史之间的联系将确定神经胶质瘤的分子分类学，以促进早期诊断，预防和治疗的改善。结果除了癌症生物学的基础研究之外，综合多组学分析的结果还将突出生物学过程和潜在候选物作为生物标志物或治疗靶标。最终，建立在可访问数据集结上的这些集体资源可以重新形成临床和分子数据，从而对患者量身定制的治疗方法进行分层。结论我们认为，全面了解分子标记，肿瘤位置和患者病史之间的联系将确定神经胶质瘤的分子分类学，以促进早期诊断，预防和治疗的改善。这些基于可访问数据集结库的集体资源可以重新形成临床和分子数据，从而对患者量身定制的治疗方法进行分层。结论我们认为，全面了解分子标记，肿瘤位置和患者病史之间的联系将确定神经胶质瘤的分子分类学，以促进早期诊断，预防和治疗的改善。这些基于可访问数据集结库的集体资源可以重新形成临床和分子数据，从而对患者量身定制的治疗方法进行分层。结论我们认为，全面了解分子标记，肿瘤位置和患者病史之间的联系将确定神经胶质瘤的分子分类学，以促进早期诊断，预防和治疗的改善。