Machine Learning–Based Classification of Cancer Using Promoter-Associated 5-Hydroxymethylcytosine Signatures in Cell-Free DNA
Questo studio dimostra che un framework di apprendimento automatico che utilizza le firme di 5-idrossimetilcitosina (5hmC) associate ai promotori dal DNA libero da cellule può distinguere in modo efficace e accurato i campioni tumorali da quelli sani, offrendo una strategia non invasiva promettente per la diagnosi precoce del cancro e l'oncologia di precisione.
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
Il cancro è una malattia delle istruzioni del corpo che vanno storte. Per decenni, i medici hanno cercato i segni di questo problema cercando frammenti di DNA rotti o geni mutati che galleggiano nel sangue. Sebbene questi indizi genetici siano preziosi, spesso compaiono solo quando un tumore è già abbastanza grande da rilasciare una quantità significativa di materiale. Ciò lascia un vuoto nella diagnosi precoce, dove un cancro potrebbe essere presente ma troppo piccolo per lasciare un'impronta genetica. Recentemente, gli scienziati hanno rivolto la loro attenzione a un tipo diverso di segnale: etichette chimiche attaccate al DNA che non cambiano il codice genetico stesso, ma agiscono come manopole del volume, alzando o abbassando l'intensità dei geni. Un'etichetta di questo tipo, chiamata 5-idrossimetilcitosina, è particolarmente interessante perché si trova in schemi specifici a seconda del tipo di cellula da cui proviene. Quando una cellula diventa cancerosa, questi schemi cambiano in modi che sono distinti dalle cellule sane. Poiché queste etichette chimiche sopravvivono nel sangue, offrono un potenziale modo per individuare il cancro precocemente, non trovando un gene rotto, ma notando che le istruzioni per far funzionare la cellula sono state riscritte.
Un nuovo studio della ricercatrice Tisha Sehrawat esplora se questi schemi chimici nel sangue possano essere utilizzati per distinguere tra una persona con cancro e una persona sana. Il team ha raccolto dati da un database pubblico contenente campioni di 804 individui, inclusi 458 persone con vari tipi di cancro e 346 volontari sani. Invece di guardare l'intero genoma tutto in una volta, il che sarebbe come cercare di leggere ogni singola parola in una biblioteca per trovare un singolo errore di battitura, i ricercatori si sono concentrati su punti di partenza specifici dei geni, noti come siti di inizio della trascrizione. Hanno misurato la quantità dell'etichetta chimica intorno a questi punti di inizio per migliaia di geni in ogni campione. Ciò ha creato una mappa dettagliata dell'attività chimica per ogni persona nello studio.
Per dare un senso a questa enorme quantità di dati, i ricercatori hanno utilizzato programmi informatici addestrati a riconoscere schemi, un campo noto come apprendimento automatico (machine learning). Hanno insegnato a questi programmi a osservare le mappe chimiche e decidere se un campione provenisse da un paziente oncologico o da una persona sana. Il team ha testato tre diversi tipi di programmi di apprendimento per vedere quale funzionasse meglio. Il programma di maggior successo, che funziona costruendo molti piccoli alberi decisionali e combinando le loro risposte, è stato in grado di identificare correttamente il cancro in circa il 78 percento dei casi di test mai visti prima. Ha inoltre identificato correttamente gli individui sani circa il 72 percento delle volte. Sebbene questo non sia perfetto, è un segnale forte del fatto che i modelli chimici nel sangue contengono abbastanza informazioni da distinguere tra i due gruppi.
Lo studio ha anche indagato quali geni specifici fossero più importanti per prendere queste decisioni. Quando il computer ha esaminato i dati senza alcuna istruzione preventiva, ha scoperto che i segnali più utili provenivano da un mix di geni, molti dei quali non erano precedentemente noti come grandi motori del cancro. Tuttavia, quando i ricercatori hanno costretto il computer a guardare solo i geni già noti per essere coinvolti nel cancro, il programma ha comunque funzionato molto bene. Ciò suggerisce che i cambiamenti chimici associati al cancro sono diffusi e influenzano molte parti diverse del genoma, non solo alcuni famosi geni del cancro. I geni più influenti identificati dal computer erano coinvolti nel controllo della crescita cellulare, della divisione cellulare e di come le cellule comunicano tra loro.
Uno dei risultati più importanti dello studio è che il segnale trovato dal computer non era semplicemente un riflesso dei diversi tipi di cellule del sangue che circolano nel corpo. I ricercatori hanno testato se i risultati stessero solo rilevando le differenze naturali nella composizione del sangue tra le persone. Anche dopo aver tenuto conto di questi fattori, il computer era ancora in grado di distinguere il cancro dalla salute con un'elevata precisionità. Ciò indica che i modelli chimici sono veramente legati alla presenza della malattia piuttosto che essere solo rumore di fondo del sangue. Lo studio ha anche dimostrato che i cambiamenti chimici non erano uniformi; alcuni geni avevano più di quell'etichetta nei pazienti oncologici, mentre altri ne avevano meno. Questo schema complesso e multidirezionale è ciò che il computer ha imparato a riconoscere.
Nonostante questi risultati promettenti, i ricercatori avvertono con cautela che si tratta di una prova di concetto, non di un test medico pronto all'uso. Lo studio si è basato su dati esistenti e i modelli informatici sono stati testati su campioni che facevano parte della stessa collezione. Per diventare uno strumento diagnostico reale, un tale test dovrebbe essere convalidato su gruppi completamente nuovi di pazienti in ospedali diversi e in condizioni diverse. Gli attuali modelli commettono errori, a volte mancando un caso di cancro o segnalando erroneamente una persona sana. I ricercatori suggeriscono che il lavoro futuro dovrebbe concentrarsi sulla combinazione di questi segnali chimici con altri tipi di dati, come la dimensione dei frammenti di DNA o altre marche chimiche, per migliorare l'accuratezza.
Il lavoro dimostra che il panorama chimico del DNA nel sangue contiene una storia ricca e multidimensionale sulla salute di una persona. Concentrandosi sui punti di inizio dei geni e utilizzando l'apprendimento informatico moderno, gli scienziati possono iniziare a leggere questa storia con una chiarezza crescente. Le scoperte suggeriscono che il cancro lascia una firma ampia e coordinata nel sangue che va oltre le semplici mutazioni genetiche. Sebbene il percorso verso un test clinico sia lungo, questo studio fornisce una solida base per credere che il linguaggio chimico del genoma possa essere tradotto in uno strumento potente per la diagnosi precoce del cancro.
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.