Static DNA-Methylation Burden Discriminates Hematologic-Malignancy Subtypes but Does Not License Per-Patient Trajectory Inference: A Public-Cohort Analysis and an Identifiability Framework

Sintesi Tecnica: Carico di Metilazione del DNA Statico vs. Inferenza della Traiettoria

Enunciato del Problema
Il documento affronta la distinzione critica tra due interpretazioni dei dati di metilazione del DNA nelle neoplasie ematologiche:

1. Classificazione Statica: Determinare se lo stato di metilazione attuale di un individuo è anomalo rispetto a un basale sano (un problema di classificazione risolvibile).
2. Inferenza della Traiettoria Dinamica: Determinare se tale stato si sta muovendo verso la malattia con una velocità, un tempo di arrivo e un tempo di anticipo misurabili (un problema di sistema dinamico).

Sebbene le coorti pre-diagnostiche mostrino deviazioni della metilazione a livello genomico mesi o anni prima della diagnosi clinica, il documento sostiene che la comunità scientifica spesso confonda erroneamente la deviazione statica con il moto dinamico. Il problema centrale è che il "linguaggio della traiettoria" (velocità, tempo di anticipo) è facilmente assertibile ma strutturalmente impossibile da derivare da dati trasversali (a singolo punto temporale) o scarsi a due punti, poiché tali dataset mancano dell'asse temporale necessario per definire una derivata.

Metodologia
Lo studio utilizza un'analisi secondaria di dati de-identificati provenienti da array Illumina HumanMethylation450 ed EPIC pubblicamente disponibili. Non sono stati utilizzati dati proprietari, cartelle clinhe elettroniche o dati individuali dei pazienti.

• Metriche Definite:
  • Carico di Metilazione Statica (MB): La media della deviazione assoluta del valore $\beta$ di un campione rispetto alla distribuzione di riferimento del sangue intero sano.
  • Entropia Regolatoria (H): L'entropia di Shannon normalizzata della distribuzione di tale deviazione.
• Strumento di Screening: È stato valutato uno screening del carico a 48 CpG, bloccato e direzionale (qMethyl-48). La composizione specifica dei loci è trattenuta in attesa della prosecuzione della proprietà intellettuale. Lo screening classifica un campione come positivo se $\ge$ 4 loci deviano.
• Coorti:
  • Riferimento: 656 donatori di sangue intero sani (GSE40279).
  • Malattia: Coorti pubbliche per Leucemia Mieloide Cronica (LMC), Leucemia Mielomonocitica Cronica (LMMC) e Neoplasie Mieloproliferative (NMP).
• Framework Teorico: Il documento applica la teoria della Ricostruzione dello Spazio degli Stati (specificamente il teorema di embedding di Takens e l'embedding ritardato frattale) per analizzare l'identificabilità del recupero della traiettoria. Esso postula che il recupero della dinamica richieda una serie temporale campionata con ritardi sufficienti per ricostruire il manifold invariante del sistema, una condizione non soddisfatta dai dati trasversali.

Risultati Chiave

• Discriminazione Statica: Il carico statico e l'entropia discriminano con successo i sottotipi di neoplasia ematologica (specificamente mieloidi) secondo la classificazione WHO-2022 rispetto ai donatori sani.
• Prestazioni dello Screening: Contro i 656 donatori sani, lo screening qMethyl-48 ha raggiunto una specificità del 96,6% al suo limite bloccato. La sensibilità è variata dal 94,9% al 100% tra le coorti di LMC, LMMC e NMP.
• Limitazioni: Questi risultati sono misure di classificazione statica a singolo punto temporale. Confermano la presenza di un segnale statico separabile, ma non forniscono alcuna prova riguardo al tasso o alla direzione del cambiamento.
• Mieloide vs. Linfoide: I risultati si applicano ai sottotipi mieloidi. Il documento nota esplicitamente che le malattie linfoidi (es. CLL), che spesso presentano un'ipometilazione globale piuttosto che il carico di ipermetilazione indicizzato da questo screening, dovrebbero comportarsi diversamente e non sono coperte da queste affermazioni.

Contributi Teorici: Il Framework di Identificabilità
Il principale contributo teorico del documento è un argomento rigoroso contro l'inferenza della traiettoria da dati statici e un framework formale su ciò che è richiesto per sostenere tali affermazioni:

1. Circolarità della Velocità Costruita: Definire la velocità come $v = (\beta_{arrivo} - \beta_{sano}) / T_{anticipo}$ è algebricamente un carico statico riscalato. Non misura alcuna derivata temporale e crea una correlazione circolare tra il tempo di anticipo assunto e la velocità calcolata.
   2.Ostacoli Strutturali: Le quantità della traiettoria (velocità, arrivo, energia conservata) sono proprietà di sistemi dinamici osservati nel tempo. I dati trasversali non hanno un asse temporale; i dati a due punti rappresentano un minimo degenero.
2. Limiti di Recuperabilità: Anche con serie temporali, la ricostruzione dello spazio degli stati ha dei limiti. La relazione tra guida diretta e sincronizzazione indiretta non può essere risolta senza rimuovere i fattori di confondimento (età, CHIP, composizione cellulare, infiammazione).
3. Pavimento del Rumore: Il rumore di misurazione (2–4%) stabilisce un limite invalicabile; la velocità calcolata come differenza di valori $\beta$ rumorosi su intervalli brevi amplifica il rumolo, ponendo un limite agli intervalli di campionamento fattibili.

Percorso Proposto: Un Programma di Campionamento Seriale
Per passare dalla stratificazione del rischio statica all'inferenza della traiettoria dinamica, il documento propone un programma di campionamento seriale prospettico con "gate" di approvazione (go/no-go) pre-specificati. Questo programma è progettato affinché un risultato negativo in qualsiasi fase sia un reperto pubblicabile che smentisce l'ipotesi della traiettoria. I cinque gate sono:

• Q1 (Embedding): Verificare che una dimensione di embedding stabile sia recuperabile tra i soggetti.
• Q2 (Convergenza): Dimostrare che le statistiche di rilevamento della continuità separino i progressori dai non progressori rispetto a un nullo.
• Q3 (Attrattore): Validare che i set limite delle traiettorie individuali coincidano con un centroide di diagnosi.
• Q4 (Confondimento): Provare che la relazione di guida sopravviva alla rimozione di età, CHIP, composizione cellulare e infiammazione.
• Q5 (Provenienza): Confermare la provenienza dei dati e che la precisione per sonda sia al di sotto del livello del rumore.

Significatività e Rivendicazioni
Il documento conclude con due risultati distinti e non confusi:

1. Utilità Immediata: Un classificatore del carico di metilazione statico, a singolo punto temporale, è attualmente supportato dai dati pubblici. Discrimina i sottotipi, si valida esternamente ed è implementabile come test di laboratorio sviluppato per la stratificazione del rischio.
2. Limitazione Strutturale: La lettura dinamica (velocità, tempo di anticipo) non è autorizzata dai dati trasversali. La limitazione è strutturale (assenza di un asse temporale), non biologica.

La significatività del lavoro risiede nel separare "ciò che è utilizzabile ora" da "ciò che deve essere guadagnato prospettivamente". Inquadrando il recupero della traiettoria come un problema di ricostruzione dello spazio degli stati e specificando un design sperimentale a gate, il documento mira a prevenire la formulazione di affermazioni cinetiche circolari, fornendo al contempo un percorso rigoroso per sostenerle qualora fossero biologicamente reali. Gli autori sottolineano che un framework che specifichi l'esperimento capace di smentire l'ipotesi è un punto di forza, garantendo che le future affermazioni siano basate su prove pre-specificate piuttosto che su asserzioni.