More Than Half of DNMT3A-Mutant Patients in Pooled Public Cancer Genomic Data Carry No Tumor-Derived Mutation: Clonal Hematopoiesis Introduced by Patient-Keyed Aggregation
Questo studio rivela che un'aggregazione standard dei dati genomici del cancro basata sulla chiave del paziente classifica erroneamente le mutazioni dell'ematopoiesi clonale dai normali ematici come mutazioni derivate dal tumore in oltre la metà dei pazienti con mutazione di DNMT3A, creando significative distorsioni pan-cancro che possono essere corrette filtrando le chiamate derivate dal sangue prima della costruzione della matrice.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
I ricercatori del cancro si sono affidati a lungo a un metodo potente: raccogliere dati genetici da migliaia di pazienti attraverso molti ospedali e studi diversi in una singola, enorme biblioteca condivisa. Riunendo queste informazioni, gli scienziati possono individuare modelli che sarebbero troppo rari per essere visti in un singolo ospedale, come quali cambiamenti genici guidano un tipo specifico di cancro o come tali cambiamenti influenzino la sopravvivenza di un paziente. Per far sì che ciò funzioni, i computer collegano i record insieme utilizzando una regola semplice: se due campioni appartengono alla stessa persona, vengono trattati come un'unica voce. Questo approccio è diventato lo standard per comprendere il cancro su scala globale. Tuttavia, questo metodo presuppone che ogni pezzo di dato genetico nella biblioteca provenga dal tumore stesso. In realtà, i pazienti hanno spesso altri cambiamenti genetici nel sangue che non sono correlati al loro cancro, noti come ematopoiesi clonale. Queste sono variazioni naturali che si verificano nelle cellule del sangue con l'invecchiamento e, sebbene siano innocue nel sangue, possono sembrare esattamente mutazioni tumorali se il computer non riesce a distinguere tra un campione di sangue e un campione di tumore.
Un team di ricercatori dell'Università di Stanford ha scoperto che questa confusione ha distorto silenziosamente una vasta porzione dei dati sul cancro pubblici mondiali. Hanno scoperto che quando gli scienziati uniscono diversi studi in un unico database, il computer a volte scambia un campione di sangue per un campione di tumore. Ciò accade perché tre studi specifici del Memorial Sloan Kettering Cancer Center hanno depositato campioni di sangue di pazienti i cui tumori erano già stati registrati in altri studi. Poiché il sangue e il tumore condividevano lo stesso ID paziente, il computer li ha uniti. Il risultato è stato che mutazioni ematiche innocue sono state erroneamente etichettate come mutazioni tumorali nella versione finale del database. I ricercatori hanno tracciato oltre un milione di chiamate genetiche attraverso 483 studi e hanno scoperto che, sebbene l'errore abbia interessato solo una piccola frazione del totale dei dati, non era distribuito uniformemente. Al contrario, si concentrava pesantemente su geni specifici che sono noti per cambiare nelle cellule del sangue che invecchiano.
Il gene più colpito è stato DNMT3A. Nel database non corretto, più della metà dei pazienti segnalati come aventi una mutazione in questo gene in realtà non presentava alcuna mutazione nel proprio tumore; l'unica evidenza proveniva dal loro sangue. Per altri geni come TET2 e CHEK2, la situazione era simile, con circa un quinto dei pazienti segnalati che non presentava alcuna mutazione nel tumore. Al contrario, i noti driver del cancro come TP53 e KRAS sono stati quasi del tutto risparmiati da questo errore, motivo per cui molti ricercatori non avevano notato il problema fino ad ora. I ricercatori hanno confermato la natura dell'errore esaminando i dettagli dei cambiamenti genetici. Le mutazioni ematiche scambiate apparivano a livelli molto bassi, spesso meno dell'uno percento del materiale genetico, mentre le vere mutazioni tumorali appaiono solitamente a livelli molto più alti. Inoltre, i pazienti con queste mutazioni errate derivanti solo dal sangue erano significativamente più anziani, corrispondendo al modello dell'invecchiamento del sangue piuttosto che all'età tipica della diagnosi di cancro.
Questo errore non è rimasto isolato agli studi sul sangue; si è diffuso in altri 65 gruppi di ricerca, quasi tutti i quali studiavano tumori solidi come il cancro al polmone, al fegato o allo stomaco. In alcuni di questi gruppi, più di un paziente su dieci presentava un falso segnale di mutazione. La distorsione era così forte da far sembrare che certi tumori avessero tassi di mutazioni specifiche molto più elevati di quanto non fossero in realtà. Ad esempio, in un gruppo di pazienti con cancro al polmone, il tasso di mutazioni di DNMT3A appariva quasi cinque volte superiore rispetto a un altro gruppo di pazienti con cancro al polmone, semplicemente perché il primo gruppo includeva pazienti i cui campioni di sangue erano stati mescolati. Una volta che i ricercatori hanno rimosso i dati derivati dal sangue, i tassi tra i due gruppi sono diventati quasi identici, dimostrando che la differenza era un artefatto della raccolta dei dati, non una reale differenza biologica.
L'impatto di questo errore è andato oltre il semplice conteggio delle mutazioni; ha cambiato anche le conclusioni su come questi geni influenzino la sopravvivenza del paziente. In alcuni casi, l'errore ha fatto sembrare che un gene stesse aiutando i pazienti a vivere più a lungo, quando in realtà non aveva alcun effetto. In altri casi, ha nascosto un reale effetto protettivo. I ricercatori hanno dimostrato che la semplice rimozione dei dati ematici ha corretto queste stime di sopravvivenza, spostandole in modi che il caso non potrebbe spiegare. Hanno fornito un semplice insieme di regole da seguire per altri scienziati: prima di combinare gli studi, verificare se una chiamata genetica proviene da un campione di sangue o da un campione di tumore e, se proviene da uno studio sul sangue, escluderlo dall'analisi del tumore. Questa correzione è semplice e può essere applicata ai database esistenti senza la necessità di ricampionare i pazienti.
I ricercatori sono stati attenti a sottolineare che la loro correzione non risolve ogni problema. Essa rimuove gli errori causati dalla miscelazione di dati ematici e tumorali nel database, ma non può rimuovere le cellule del sangue che hanno fisicamente invaso un campione di tumore ed è presenti all'interno del tessuto tumorale stesso. Questa è una separata fenomenologia biologica che richiede strumenti diversi per essere rilevata. Tuttavia, l'errore identificato era puramente il risultato di come i dati sono stati messi insieme. Correggendo questo errore specifico, la comunità scientifica può garantire che le enormi librerie di dati sul cancro su cui si basa la ricerca riflettano la vera biologia dei tumori, piuttosto che un confuso mix di sangue e cancro. Il lavoro funge da promemoria del fatto che, anche quando i dati vengono raccolti correttamente, il modo in cui vengono combinati può creare nuovi errori, e che tenere traccia della provenienza di ogni informazione è essenziale per trovare la verità.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.