巨大的DNA库帮助识别致癌突变

人工智能和机器学习等被癌症研究人员最新的工具来辅助疾病的诊断和治疗。

的一个科学家在癌症研究的新领域科罗拉多大学癌症中心成员瑞安层博士,最近发表了一项研究详细说明他的研究使用大数据来发现癌症突变细胞。

“识别基因变化导致健康的细胞变成恶性可以帮助医生选择专门针对肿瘤的治疗方法,”表示层,在铜博尔德计算机科学助理教授。“例如,大约25%的乳腺癌HER2阳性,这意味着在这种类型的肿瘤细胞突变,使他们产生更多的蛋白质HER2,帮助他们成长。专门针对HER2的疗法极大地增加了这种类型的乳腺癌生存率。”

科学家可以评估细胞DNA识别突变,层说,但问题是,人类基因组是巨大的,和突变是进化的正常组成部分。

“人类基因组是足够长的时间来填补1.2 million-page书,和任何两个人可以有大约300万个基因差异,”他说。“寻找一个cancer-driving突变肿瘤就像发现一堆针的针。”

扫描数据

的理想方法确定什么类型的癌症突变患者是比较两个样本相同的病人,一个来自肿瘤和一个来自健康的组织。这种测试可以是复杂和昂贵的,然而,所以层想出了另一个想法——使用大规模公共DNA数据库寻找共同的细胞突变往往是良性的,所以研究人员可以识别罕见的突变有可能是癌症。

”有一个项目叫基因聚合数据库,或gnomAD Broad研究所,在那里他们建立一个不同的研究中进行广泛进入有史以来最大的基因数据库,有人甚至认为,“层说。“这是65000人,现在大约一百万个人。当时我在犹他大学做研究的未确诊的罕见的疾病诊所,和有用的数据库只是难以置信。”

即使他能够序列与癌症一个孩子和她的父母,表示层,往往是很多基因突变,很难确定哪一个是导致疾病。使用gnomAD,他可以看多久特定变体发生在一个更大的人口,大大减少治疗的目标。

验证变异

灵感来自经验,层开始研究其他方法使用大数据来识别潜在的癌基因突变。知道检测复杂的DNA突变称为结构性变异(SV)经常会导致假阴性,他和他的同事开发了一个进程,着重于验证,而不是检测。这种方法搜索通过原始数据从成千上万的DNA样本任何证据支持一个特定的结构变异。

“我们之前扫描中标识的sv癌症研究,发现成千上万的sv之前也与癌症相关的出现在正常健康的样本,”层说。“这表明这些变异更可能是良性的,而非致病的遗传序列。”

该小组还发现,其方法一样进行传统的战略需要肿瘤和健康样本,打开门减少成本和增加高质量的可访问性癌症突变分析。

“癌症存在的数据,我们能够表明,该方法不一定是真正强大的识别驱动突变在癌症,但变异是独一无二的肿瘤,而身体的其余部分,”他说。“这样,肿瘤治疗可以成为super-personalized。我们会说,‘如果你有这种突变,使用这种药物;如果你没有这种突变,不要使用毒品。”

共享研究

层的实验室已经部署了网站医生可以输入信息在患者肿瘤中所发现的结构变异,看看常见的和潜在的危险。他还希望建立一个更大的数据集cancer-focused帮助更好地理解,肿瘤是如何形成的。

“我们工作到目前为止采取结构变体和看看它有多频繁的在一个健康的人口,”他说。“但如果我们做索引,允许你搜索我们的人口吗?假设你在肺肿瘤样本,你会发现结构性变异——现在你可以搜索那些反对前列腺癌和乳腺癌和其他癌症,和它可能帮助你识别肿瘤的起源是什么?“它转移,还是起源于肺?肿瘤我们可以搜索数据库来寻找更多的个性化medicine-inspired其他匹配的肿瘤治疗方法。”

参考彼得森:Chowdhury M, BS, Sedlazeck陆地,昆兰AR,层RM。搜索成千上万的基因分类使用斯蒂克斯体细胞和小说结构变异。Nat方法。2022;19 (4):445 - 448。doi:10.1038 / s41592 - 022 - 01423 - 4