血液测试检测儿童肿瘤根据表观遗传资料

科学家领导的研究从圣安娜儿童癌症研究所(圣安娜CCRI)会同CeMM分子医学研究中心的奥地利科学院为“液体活检”提供了一个创新的方法分析儿童肿瘤。该方法利用分段模式的小肿瘤泄漏进入血液的DNA片段,这反映了独特的许多儿童癌症表观遗传特征。关注尤因肉瘤,骨肿瘤的儿童和年轻人未满足临床需要,领导的团队Eleni Tomazou,博士,圣安娜CCRI,演示了肿瘤分类和监测方法的实用程序,它允许密切监视没有高度的癌症治疗侵袭性肿瘤活检。

在肿瘤,癌症细胞不断分裂,一些肿瘤细胞死亡的过程。这些细胞通常释放他们的DNA进入血液,在那里循环并可以使用基因组分析高通量DNA测序等方法。这种“把液体活检”分析提供一种微创替代传统肿瘤活组织检查,往往需要手术,控股了个性化治疗的巨大希望。例如,就可以检查经常肿瘤的分子变化。然而,使用液体活检为儿童癌症迄今为止受到很多儿童肿瘤几乎没有基因改变DNA分离出血浆中检测到。

利用肿瘤特异性表观遗传模式

游离DNA从垂死的肿瘤细胞在血液中循环的形式小碎片。它们的大小既不是随机的也不是完全由DNA序列决定的。相反,它反映出肿瘤细胞内的DNA是打包,并影响染色质(即。、复杂的DNA、蛋白质和RNA)这些细胞的结构和表观遗传资料。这是非常相关的,因为表观遗传模式——有时也称为“第二个代码”的基因组——典型的人体不同为不同的细胞类型。表观遗传机制导致基因功能发生变化,而不是基于DNA序列的变化传递给子细胞。游离DNA碎片模式的分析提供了一个独特的机会来了解肿瘤内的表观遗传调节,而无需手术移除肿瘤细胞,甚至知道,体内肿瘤的存在。

“我们发现独特的尤因肉瘤的表观遗传特征。我们认为这些表观遗传特征签名应该保存在tumor-derived DNA的分裂模式循环血液中。这将为我们提供一个急需的肿瘤早期诊断和分类的标志使用液体活检概念”,Tomazou博士解释道,Epigenome-based精密医学集团的首席研究员在圣安娜CCRI。

机器学习提高灵敏度

这项新研究基准不同的度量分析游离DNA碎片,它介绍了甘草算法基于癌症特异性的检测循环肿瘤DNA染色质签名。科学家们使用机器学习分类器来区分癌症患者和健康人,和不同类型的儿科肉瘤。“通过喂养这些机器学习算法与我们广泛的全基因组测序数据tumor-derived DNA的血流,分析变得高度敏感,在很多情况下优于传统遗传分析”,Tomazou博士说。

当被问及潜在的应用,她解释说:“我们的分析工作,我们非常兴奋。然而,需要进一步的验证才能成为常规临床诊断的一部分。”According to the scientists, their approach could be used for minimally invasive diagnosis and, but also as a prognostic marker, monitoring which patient responds to therapy. Additionally, it might serve as a predictive marker during neoadjuvant therapy (i.e., chemotherapy before surgery), potentially enabling dose adjustments according to treatment response. "Right now, most patients receive very high doses of chemotherapy, while some patients may be cured already with a less severe therapy, which would reduce their risk of getting other cancers later in life. There is a real medical need for adaptive clinical trials and personalized treatment of bone tumors in children."

参考:Peneder P, unix, Surdez D,等。多通道分析游离DNA突变较低的全基因组测序对小儿癌症负担。Nat Commun。2021;12 (1):3230。doi: 10.1038 / s41467 - 021 - 23445 - w

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。