Blast percentage confounds transcriptome to drug-response associations in Beat AML: DHODH and sorafenib as a worked example
Cette étude démontre que le fait de ne pas ajuster le pourcentage de blastes dans l'ensemble de données Beat AML biaise de manière significative les associations entre le transcriptome et la réponse aux médicaments, comme en témoigne la perte substantielle de signification statistique pour des marqueurs tels que DHODH et le sorafénib lorsque le contenu en blastes est inclus dans l'analyse.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète
Dans la lutte contre la leucémie myéloïde aiguë, un type de cancer du sang, les scientifiques cherchent souvent des indices au sein des propres cellules du patient pour prédire quels médicaments fonctionneront le mieux. Ils examinent le transcriptome, qui est l'ensemble complet des instructions génétiques lues et utilisées par les cellules à un moment précis. En comparant ces profils génétiques à la manière dont les cellules cancéreuses réagissent à différents médicaments dans une boîte de Pétri, les chercheurs espèrent trouver une « signature » qui leur indiquera quel traitement choisir. Cette approche repose sur l'idée que la composition génétique des cellules cancéreuses elles-mêmes détient la clé de leur vulnérabilité. Cependant, un échantillon de moelle osseuse ou de sang est rarement composé uniquement de cellules cancéreuses. C'est un mélange contenant les blastes cancéreux, des cellules sanguines saines et d'autres tissus. La proportion de cellules cancéreuses dans ce mélange peut varier considérablement d'un patient à l'autre, et cette variation est depuis longtemps une source de confusion dans l'interprétation des données génétiques.
Une étude récente menée par le chercheur indépendant Cumhur Gokhan Ekmekci examine un problème spécifique qui a été négligé dans un ensemble de données majeur connu sous le nom de Beat AML. Cet ensemble de données associe les informations génétiques de patients atteints de leucémie à des dossiers détaillés sur la façon dont leurs cellules ont réagi à 125 médicaments différents. Alors que les analyses précédentes de ces données ajustaient des facteurs tels que la vitesse de division des cellules ou leur degré de maturité, elles n'ont pas pris en compte le pourcentage de cellules cancéreuses, ou « blastes », présents dans l'échantillon. Le chercheur a cherché à voir si l'omission de ce fait simple faussait les résultats, amenant les scientifiques à croire que certains gènes étaient des cibles thérapeutiques importantes alors qu'ils n'étaient en réalité que des marqueurs de la quantité de cellules cancéreuses présentes dans la boîte.
L'enquête a commencé par une question simple : la quantité de cancer dans un échantillon modifie-t-elle la lecture des données génétiques et des résultats des tests de médicaments ? La réponse s'est avérée être un oui catégorique. L'étude a révélé que le pourcentage de blastes dans un échantillon est corrélé à la fois aux signaux génétiques mesurés et à la force de l'effet du médicament. Lorsqu'un échantillon contient un nombre élevé de cellules cancéreuses, les signaux génétiques associés à une croissance rapide apparaissent plus forts, et le médicament semble plus efficace simplement parce qu'il y a plus de cellules cibles à détruire. Cela crée une fausse connexion. Un gène peut sembler prédire une bonne réponse à un médicament non pas parce qu'il contrôle l'action du médicament, mais simplement parce qu'il est plus actif dans les échantillons qui se trouvent avoir plus de cellules cancéreuses.
Pour mesurer l'ampleur de ce problème, le chercheur a effectué une comparaison massive impliquant 12 000 combinaisons différentes de gènes et de médicaments. Il a pris la méthode standard d'analyse des données, qui ignore le pourcentage de blastes, et l'a comparée à une nouvelle méthode incluant le pourcentage de blastes comme facteur. Les résultats sont frappants. Sous la méthode standard, près de 1 200 paires gène-médicament apparaissaient comme des correspondances significatives. Lorsque le pourcentage de blastes a été ajouté au calcul, plus de 400 de ces correspondances ont disparu. En d'autres termes, environ 35 % des connexions qui semblaient fortes étaient en réalité des illusions créées par la composition de l'échantillon. Inversement, seule une infime fraction de nouvelles connexions est apparue lors de l'ajustement. Cela suggère que la liste précédente de cibles médicamenteuses prometteuses était considérablement gonflée par cette variable non mesurée.
L'étude a utilisé un exemple spécifique pour montrer précisément à quel point un marqueur candidat peut changer. Des chercheurs avaient précédemment identifié un gène appelé DHODH comme le prédicteur le plus fort de l'efficacité d'un médicament appelé sorafénib. Dans l'analyse standard, ce gène arrivait en tête parmi les 125 médicaments testés, avec un lien statistique très fort avec le succès du médicament. Cependant, une fois le pourcentage de blastes inclus dans le modèle, la force de ce lien a nettement diminué. Le gène est passé de la première place à la quatrième place, et la certitude statistique de la connexion s'est considérablement affaiblie. Bien que le lien ne se soit pas totalement évanoui, il est devenu beaucoup moins impressionnant. De plus, lorsque les chercheurs ont examiné d'autres médicaments conçus pour cibler la même voie que le sorafénib, aucun d'eux ne présentait une connexion similaire avec le gène DHODH. Cela indique que le résultat initial fort était probablement un effet secondaire de la composition de l'échantillon plutôt qu'un véritable mécanisme biologique.
Le chercheur a également vérifié que ce changement n'était pas causé par d'autres facteurs, tels que le type d'échantillon prélevé ou la manière dont la réponse au médicament était mesurée. Aucun de ces autres facteurs n'a modifié les résultats de manière significative. Le seul facteur qui a altéré le résultat était l'inclusion du pourcentage de blastes. L'étude a également examiné si cette découverte se maintenait dans un autre groupe de patients provenant d'une base de données distincte, mais les résultats y étaient trop faibles pour confirmer le schéma, probablement parce que ces données manquaient des détails cliniques spécifiques nécessaires à ce type d'analyse. Cela ne dissipe pas la découverte, mais souligne que le résultat initial nécessite une réévaluation prudente avant de pouvoir être considéré comme fiable.
La conclusion de ce travail est que le pourcentage de cellules cancéreuses dans un échantillon est une information critique qui doit être incluse lors de l'analyse des données génétiques par rapport aux réponses médicamenteuses. C'est un facteur qui est déjà enregistré dans les dossiers médicaux et qui ne coûte rien à inclure dans l'analyse. L'ignorer conduit à un taux élevé de fausses découvertes, où les scientifiques pourraient poursuivre des gènes qui ne font que refléter la quantité de cancer présente plutôt que la véritable sensibilité du cancer à un médicament. En ajustant cette variable, la liste des cibles thérapeutiques potentielles devient plus courte et plus fiable. L'étude ne prétend pas avoir trouvé un nouveau remède ou un marqueur définitif pour le sorafénib ; elle sert plutôt de correction nécessaire, montrant que le chemin vers la découverte de vrais biomarqueurs nécessite d'abord de nettoyer les données de ces facteurs de confusion cachés. Le coût de cet ajustement simple est négligeable, mais le coût de son omission est une distorsion significative de l'image scientifique.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.