新的映射技术揭示了表观遗传司机的癌症

科学家已经取得了重大进步在理解和发展中许多癌症的治疗方法通过识别驱动疾病的基因突变。现在威尔康奈尔医学研究员领导的研究小组,纽约长老会和纽约基因组中心(NYGC)已经开发出一种机器学习技术检测其他修改DNA也有相似的效果。

这项研究发表在5月10日癌症的发现,美国癌症研究协会杂志》,重点是DNA的一种化学改性,通常称为甲基化,附近的基因沉默。这项新技术可以分析成千上万的DNA甲基化改变肿瘤细胞中发现,推断出哪些可能推动肿瘤的生长。

甲基化是一种“后生”的过程,通常调节基因活性在基因组DNA的结构通过改变不改变基因中包含的信息。偶尔,过度甲基化,称为甲基化,发生在肿瘤抑制基因,沉默基因,帮助触发或驱动癌症的细胞分裂失控。

“如果我们能配置大量的肿瘤与这样的技术,我们可以映射的表观遗传变化导致某些癌症肿瘤的生长,”资深作者丹•兰道博士说医学副教授分部的血液学和医学肿瘤学和桑德拉和爱德华·梅尔癌症中心的一员在威尔康奈尔医学。“然后我们可以使用这些信息来改善我们的理解癌症的起源,以及优化治疗患者个体。”

解决的新技术所面临的挑战是相似的癌症研究人员面临关于DNA突变,如何区分“司机”突变和更丰富的“乘客”突变没有影响癌症。虽然现在有先进的方法进行基因突变之间的区别,区别的技术驱动甲基化变化从乘客甲基化变化没有那么复杂,兰多医生说,他也是一个核心成员NYGC和纽约长老会医院/威尔康奈尔医学中心肿瘤学家。

兰多医生的团队开发的新算法叫做MethSig。它使用可用的信息,比如背景的甲基化率在基因组的特定区域,估计当给定的甲基化改变可能是癌症的司机。

研究者算法应用于DNA甲基化地图不同肿瘤类型和发现它推断少数cancer-driver事件——一打左右的中位数,在每个肿瘤相比,成千上万的乘客甲基化变化。推断司机甲基化的模式是一致的在病人和肿瘤类型,以及其他统计特性表明算法的增量增加性能比现有的方法。

最强烈的团队进一步验证一些推断影响DNA甲基化的癌症司机基因在慢性淋巴细胞白血病(CLL)细胞,并表明基因的缺失增强细胞生长的细胞治疗时,也存在一些标准慢性淋巴细胞白血病的治疗方法。总体而言,研究人员得出结论,他们的算法检测可能cancer-driving甲基化变化更敏感,比现有方法有选择地。

算法的演示的潜力提高癌症的预后和治疗,研究者应用MethSig另一组慢性淋巴细胞白血病样本,利用其推断预测个体的攻击性病人的癌症。

“我们使用MethSig生产开发的分类器估计为每个病人的风险,我们发现患者更高的估计风险更有可能有更糟糕的结果,”第一作者亨潘博士说,高级研究助理阿尔瓦利德•本•塔拉尔王子殿下Bin Abdulaziz AlSaud威尔康奈尔医学计算生物医学研究所,谁执行大部分的实验研究。

研究人员计划继续使用和改善MethSig算法更多的癌症数据集和更全面的基因信息。

“最终我们设想能够映射整个景观cancer-driving DNA甲基化的变化,对不同肿瘤类型和上下文的不同的治疗方法,这样我们就能精密医学遗传学之外的范围扩大到包括表观遗传变化的临界尺寸癌症”兰多医生说。

参考:潘H, Renaud L, Chaligne R, et al。发现癌症司机候选人DNA甲基化的基因。癌症越是加大。2021:candisc.1334.2020。doi: 10.1158 / 2159 - 8290. - cd - 20 - 1334

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。