Machine learning and single-cell transcriptomics identify key lncRNAs associated with malignant transformation and immune infiltration in colorectal cancer

Im Inneren des menschlichen Körpers ist die Auskleidung des Dickdarms eine dynamische Landschaft, die sich manchmal von einem gesunden Zustand in einen gefährlichen verwandeln kann. Diese Transformation geschieht nicht über Nacht; es ist eine langsame, schrittweise Reise, bei der sich normales Gewebe zuerst zu einem gutartigen Knötchen namens Adenom entwickelt und sich erst später, wenn es ungehindert bleibt, zu einem voll ausgeprägten Krebs entwickelt. Wissenschaftler wissen schon lange, dass diese Progression durch Veränderungen in den genetischen Anweisungen innerhalb der Zellen vorangetrieben wird, aber die spezifischen Signale, die diesen Übergang leiten, blieben bisher verborgen. Zu diesen Signalen gehören lange, nicht-kodierende RNAs, das sind Moleküle, die keine Proteine bauen, sondern stattdessen als Manager fungieren, die andere Gene an- oder ausschalten. Gleichzeitig verändert auch das Immunsystem, das den Körper nach Eindringlingen absucht, sein Verhalten, während das Gewebe sich transformiert, und sendet oft unterschiedliche Arten von Abwehrzellen an den Ort des Geschehens. Genau zu verstehen, welche genetischen Manager sich in jedem Schritt verändern und wie sie mit dem Immunsystem interagieren, könnte einen Weg bieten, gefährliche Veränderungen viel früher zu erkennen, als dies mit aktuellen Methoden möglich ist.

Ein Team von Forschern setzte sich zum Ziel, diese Reise mit hoher Präzision abzubilden, indem sie über den einfachen Vergleich von gesundem gegenüber krankem Gewebe hinausgingen, um die spezifischen Stadien dazwischen zu untersuchen. Sie sammelten genetische Daten aus drei separaten Sammlungen von Proben, die jeweils gesundes Darmgewebe, Adenome und Tumore enthielten, um sicherzustellen, dass ihre Ergebnisse nicht nur ein Zufallsprodukt einer einzelnen Patientengruppe waren. Mithunter Einsatz leistungsstarker Computeralgorithmen entwickelten sie einen zweistufigen Filter, der darauf ausgelegt war, diese Proben zu sortieren. Die erste Stufe wurde darauf trainiert, den Unterschied zwischen gesundem Gewebe und jeglicher Art von Erkrankung zu erkennen, während die zweite Stufe lernte, zwischen den frühen, gutartigen Knötchen und den späteren, bösartigen Tumoren zu unterscheiden. Dieser Ansatz ermöglichte es ihnen, einen spezifischen Satz von sieben genetischen Managern zu identifizieren, die sich konsistent veränderten, während sich das Gewebe von Gesundheit zu Krankheit und dann von gutartig zu bösartig bewegte. Diese sieben Moleküle erwiesen sich als hochgradig genau in ihrer Sortierfähigkeit und identifizierten den Zustand des Gewebes in fast jedem der getesteten Fälle korrekt.

Die Forscher schauten tiefer, um zu sehen, wo diese genetischen Manager innerhalb des Gewebes aktiv waren. Durch die Untersuchung einzelner Zellen anstatt nur des Durchschnitts einer gesamten Probe entdeckten sie, dass zwei dieser Moleküle besonders aktiv in stammzellähnlichen Zellen innerhalb der frühen Adenome waren. Dies sind die Zellen, die das Potenzial haben, zu wachsen und sich zu teilen, was darauf hindeutet, dass die genetischen Veränderungen direkt an der Quelle des Problems stattfinden, lange bevor ein Tumor entsteht. Die Studie zeigte auch eine Verbindung zwischen diesen genetischen Managern und dem Immunsystem auf. Die Forscher fanden heraus, dass die Mengen dieser Moleküle mit der Anwesenheit spezifischer Immunzellen verknüpft waren, wie etwa bestimmten Arten von weißen Blutkörperchen, die sich am Ort des wachsenden Knötchens ansammeln. Dies deutet darauf hin, dass sich, während sich das Gewebe zu verändern beginnt, nicht nur die Zellen selbst verändern, sondern auch das Umfeld um sie herum, einschließlich der Immunreaktion.

Trotz des Erfolgs dieser Moleküle bei der Identifizierung des Krankheitsstadiums testeten die Forscher, ob sie auch vorhersagen konnten, wie ein Patient im Laufe der Zeit abschneiden würde. Sie analysierten Daten von Hunderten von Patienten mit etabliertem kolorektalem Karzinom, um zu sehen, ob hohe oder niedrige Mengen dieser Moleküle bedeuteten, dass ein Patient länger oder kürzer lebt. Die Ergebnisse waren eindeutig: Während diese Moleküle exzellent darin waren, zwischen gesundem Dickdarm, einem gutartigen Knötchen und einem Tumor zu unterscheiden, konnten sie den zukünftigen Verlauf der Krankheit für Patienten, die bereits Krebs hatten, nicht zuverlässig vorhersagen. Ein Molekül zeigte einen Hinweis auf einen Zusammenhang mit dem Überleben, aber dieses Signal verschwand, als die Forscher die Anzahl der von ihnen durchgeführten Tests berücksichtigten. Diese Unterscheidung ist entscheidend: Die Studie beweist, dass diese sieben Moleküle mächtige Werkzeuge sind, um zu diagnostizieren, an welchem Punkt eines Patienten auf dem Spektrum der Krankheit er sich befindet, aber sie sind noch nicht als Werkzeuge bewiesen, um vorherzusagen, wie diese Krankheit einmal voll ergriffen hat.

Die Arbeit bietet eine neue Sichtweise auf die frühen Stadien des kolorektalen Karzinoms, indem sie den Fokus weg vom bloßen Finden eines Tumors hin zum Verständnis des präzisen Augenblicks verschiebt, in dem ein gutartiges Knötchen seinen gefährlichen Wendepunkt erreicht. Durch die Identifizierung der spezifischen genetischen Schalter, die während dieses Übergangs umgelegt werden, und die Verknüpfung mit der Reaktion des Immunsystems haben die Forscher eine Liste von Kandidaten geliefert, die eines Tages Ärzten helfen könnten, Hochrisiko-Knötchen zu entdecken, bevor sie zu Krebs werden. Die Studie setzt jedoch auch eine klare Grenze für die Bedeutung dieser Erkenntnisse im jetzigen Moment. Die Moleküle sind starke Kandidaten für die Bestimmung des Krankheitsstadiums, die helfen, Gewebe als normal, krebsvorläuferartig oder krebsartig zu klassifizieren, aber sie sollten noch nicht dazu verwendet werden, um die Prognose eines Patienten zu erraten. Der Weg nach vorn erfordert weitere Tests in neuen Patientengruppen, um zu bestätigen, dass diese genetischen Signaturen in der realen Welt Bestand haben, was potenziell zu besseren Screening-Werkzeugen führen kann, die die Krankheit in ihren frühesten, am besten behandelbaren Momenten erfassen können.