Blast percentage confounds transcriptome to drug-response associations in Beat AML: DHODH and sorafenib as a worked example
Diese Studie zeigt, dass das Versäumnis, den Blast-Prozentsatz im Beat-AML-Datensatz zu berücksichtigen, die Assoziationen zwischen Transkriptom und Arzneimittelansprechen erheblich konfundiert, wie der substanzielle Verlust der statistischen Signifikanz für Marker wie DHODH und Sorafenib belegt, wenn der Blastgehalt in die Analyse einbezogen wird.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Im Kampf gegen die akute myeloische Leukämie, einer Form von Blutkrebs, suchen Wissenschaftler oft nach Hinweisen innerhalb der Zellen des Patienten selbst, um vorherzusagen, welche Medikamente am besten wirken werden. Sie untersuchen das Transkriptom, also den vollständigen Satz genetischer Anweisungen, die zu einem bestimmten Zeitpunkt von den Zellen gelesen und genutzt werden. Durch den Vergleich dieser genetischen Muster mit der Reaktion der Krebszellen auf verschiedene Arzneimittel in einer Laborschale hoffen Forscher, eine „Signatur“ zu finden, die ihnen bei der Wahl der Behandlung hilft. Dieser Ansatz beruht auf der Idee, dass die genetische Beschaffenheit der Krebszellen selbst den Schlüssel zu ihrer Verwundbarkeit enthält. Ein jedoch ist eine Probe aus Knochenmark oder Blut selten ausschließlich aus Krebszellen zusammengesetzt. Sie ist ein Gemisch, das sowohl aus den bösartigen Blasten als als auch aus gesunden Blutzellen und anderem Gewebe besteht. Der Anteil der Krebszellen in diesem Gemisch kann von Patient zu Patient drastisch variieren, und diese Variation war lange Zeit eine Quelle der Verwirrung bei der Interpretation genetischer Daten.
Eine aktuelle Studie des unabhängigen Forschers Cumhur Gokhan Ekmekci untersucht ein spezifisches Problem, das in einem bedeutenden Datensatz namens Beat AML übersehen wurde. Dieser Datensatz kombiniert genetische Informationen von Leukämiepatienten mit detaillierten Aufzeichnungen darüber, wie ihre Zellen auf 125 verschiedene Medikamente reagierten. Während frühere Analysen dieser Daten Faktoren wie die Geschwindigkeit, mit der sich die Zellen teilten, oder deren Reifegrad anpassten, berücksichtigten sie nicht den Prozentsatz der Krebszellen, oder „Blasten“, in der Probe. Der Forscher ging der Frage nach, ob das Ignorieren dieser einfachen Tatsache die Ergebnisse verzerrte und Wissenschaftler zu der Annahme führte, bestimmte Gene seien wichtige Angriffsziele für Medikamente, während sie in Wirklichkeit lediglich Marker dafür waren, wie viele Krebszellen sich in der Schale befanden.
Die Untersuchung begann mit einer einfachen Frage: Ändert die Menge an Krebs in einer Probe die Art und Weise, wie wir die genetischen Daten und die Testergebnisse der Medikamente lesen? Die Antwort erwies sich als ein definitives Ja. Die Studie fand heraus, dass der Prozentsatz der Blasten in einer Probe sowohl mit den gemessenen genetischen Signalen als auch mit der Stärke der Wirkung des Medikaments korreliert. Wenn eine Probe eine hohe Anzahl an Krebszellen aufweist, erscheinen die mit schnellem Wachstum assoziierten genetischen Signale stärker, und das Medikament wirkt scheinbar effektiver, einfach weil es mehr Zielzellen zu töten gibt. Dies erzeugt eine falsche Verbindung. Ein Gen scheint ein guter Prädiktor für das Ansprechen auf ein Medikament zu sein, nicht weil es die Wirkung des Medikaments steuert, sondern schlichtweg, weil es in Proben, die zufällig mehr Krebszellen enthalten, aktiver ist.
Um das Ausmaß dieses Problems zu messen, führte der Forscher einen massiven Vergleich durch, der 12.000 verschiedene Kombinationen von Genen und Medikamenten umfasste. Er nahm die Standardmethode der Datenanalyse, welche den Blastenzentual an ignoriert, und verglich sie mit einer neuen Methode, die den Blastenzentual als Faktor einbezieht. Die Ergebnisse waren frappierend. Unter der Standardmethode erschienen fast 1.200 Gen-Medikament-Paare als signifikante Übereinstimmungen. Als der Prozentsatz der Blasten in die Berechnung einbezogen wurde, verschwanden mehr als 400 dieser Übereinstimmungen. Mit anderen Worten: Etwa 35 Prozent der Verbindungen, die stark erschienen, waren in Wirklichkeit Illusionen, die durch die Zusammensetzung der Probe erzeugt wurden. Umgekehrt tauchten bei der Anwendung der Anpassung nur ein winziger Bruchteil neuer Verbindungen auf. Dies deutet darauf hin, dass die bisherige Liste vielversprechender Wirkstoffziele durch die nicht gemessene Variable erheblich aufgebläht wurde.
Die Studie nutzte ein spezifisches Beispiel, um aufzuzeigen, wie stark sich ein einzelner Kandidatenmarker verändern kann. Forscher hatten zuvor ein Gen namens DHODH als den stärksten Prädiktor dafür identifiziert, wie gut ein Medikament namens Sorafenib wirkt. In der Standardanalyse rangierte dieses Gen bei Platz eins unter allen 125 getesteten Medikamenten, mit einer sehr starken statistischen Verbindung zu dessen Erfolg. Sobald jedoch der Prozentsatz der Blasten in das Modell aufgenommen wurde, sank die Stärke dieser Verbindung merklich. Das Gen fiel vom ersten Platz auf den vierten Platz zurück, und die statistische Sicherheit der Verbindung schwächte sich erheblich ab. Obwohl die Verbindung nicht vollständig verschwand, wurde sie weitaus weniger beeindruckend. Darüber hinaus zeigten, als die Forscher andere Medikamente betrachteten, die denselben Signalweg wie Sorafenib ansprechen, keines von ihnen eine ähnliche Verbindung zum DHODH-Gen. Dies deutet darauf hin, dass das ursprüngliche starke Ergebnis wahrscheinlich eine Nebenwirkung der Probenzusammensetzung war und kein echter biologischer Mechanismus.
Der Forscher prüfte zudem, ob diese Veränderung nicht durch andere Faktoren, wie etwa die Art der entnommenen Probe oder die Art der Messung der Medikamentenreaktion, verursacht wurde. Keiner dieser anderen Variablen veränderte die Ergebnisse signifikant. Der einzige Faktor, der das Ergebnis beeinflusste, war die Einbeziehung des Blastenzentuals. Die Studie untersuchte auch, ob sich dieser Befund in einer anderen Gruppe von Patienten aus einer separaten Datenbank bestätigte, aber die Ergebnisse dort waren nicht stark genug, um das Muster zu bestätigen, vermutlich weil diese Daten nicht über die spezifischen klinischen Details für eine derartige Analyse verfügten. Dies widerlegt den Befund nicht, unterstreicht jedoch, dass das ursprüngliche Ergebnis einer sorgfältigen Neubewertung bedarf, bevor man ihm vertrauen kann.
Die Schlussfolgerung dieser Arbeit ist, dass der Prozentsatz der Krebszellen in einer Probe eine kritische Information ist, die bei der Analyse genetischer Daten gegen Medikamentenreaktionen berücksichtigt werden muss. Es handelt sich um einen Faktor, der bereits in medizinischen Unterlagen erfasst ist und dessen Einbeziehung in die Analyse keine Kosten verursacht. Das Ignorieren führt zu einer hohen Rate an falsch entdeckten Ergebnissen, bei denen Wissenschaftler Genen nachjagen könnten, die lediglich die Menge des vorhandenen Krebses widerspiegeln, anstatt die wahre Sensitivität des Krebses gegenüber einem Medikament. Durch die Anpassung an diese Variable wird die Liste der potenziellen Wirkstoffziele kürzer und zuverlässiger. Die Studie behauptet nicht, ein neues Heilmittel oder einen definitiven Marker für Sorafenib gefunden zu haben; stattdessen dient sie als notwendige Korrektur und zeigt auf, dass der Weg zur Entdeckung echter Biomarker zuerst eine Bereinigung der Daten von diesen verborgenen Störfaktoren erfordert. Die Kosten für die Einbeziehung dieser einfachen Anpassung sind vernachlässigbar, doch die Kosten für deren Unterlassung sind eine erhebliche Verzerrung des wissenschaftlichen Bildes.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.