Blast percentage confounds transcriptome to drug-response associations in Beat AML: DHODH and sorafenib as a worked example
Questo studio dimostra che la mancata correzione per la percentuale di blasti nel dataset Beat AML confonde significativamente le associazioni tra trascrittoma e risposta ai farmaci, come evidenziato dalla sostanziale perdita di significatività statistica per marcatori come DHODH e sorafenib quando il contenuto di blasti viene incluso nell'analisi.
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
Nella lotta contro la leucemia mieloide acuta, un tipo di tumore del sangue, gli scienziati cercano spesso indizi all'interno delle cellule stesse del paziente per prevedere quali farmaci funzioneranno meglio. Esaminano il trascritto, ovvero l'insieme completo delle istruzioni genetiche che vengono lette e utilizzate dalle cellule in un momento specifico. Confrontando questi modelli genetici con il modo in cui le cellule tumorali reagiscono a diversi medicinali in una capsula di Petri, i ricercatori sperano di trovare una "firma" che indichi quale trattamento scegliere. Questo approccio si basa sull'idea che la costituzione genetica delle cellule tumorali stesse contenga la chiave della loro vulnerabilità. Tuttavia, un campione di midollo osseo o di sangue è raramente composto solo da cellule tumorali. È un miscuglio che contiene blasti cancerosi, cellule ematiche sane e altri tessuti. La proporzione di cellule tumorali in questo mix può variare enormemente da un paziente all'altro, e questa variazione è stata a lungo una fonte di confusione nell'interpretazione dei dati genetici.
Un recente studio del ricercatore indipendente Cumhur Gokhan Ekmekci indaga un problema specifico che è stato trascurato in un importante dataset noto come Beat AML. Questo dataset accoppia le informazioni genetiche dei pazienti affetti da leucemia con registrazioni dettagliate di come le loro cellule hanno risposto a 125 farmaci diversi. Mentre analisi precedenti di questi dati hanno corretto fattori come la velocità con cui le cellule si dividevano o il loro grado di maturazione, non hanno tenuto conto della percentuale di cellule tumorali, o "blasti", presenti nel campione. Il ricercatore ha voluto vedere se ignorare questo semplice fatto stesse distorcendo i risultati, portando gli scienziati a credere che certi geni fossero bersagli farmacologici importanti quando in realtà erano solo marcatori di quanti cellule tumorali fossero presenti nella capsula.
L'indagine è iniziata con una domanda semplice: la quantità di cancro in un campione cambia il modo in cui leggiamo i dati genetici e i risultati del test farmacologico? La risposta si è rivelata essere un sì definitivo. Lo studio ha scoperto che la percentuale di blasti in un campione correla sia con i segnali genetici misurati sia con la forza dell'effetto del farmaco. Quando un campione ha un alto numero di cellule tumorali, i segnali genetici associati alla crescita rapida appaiono più forti, e il farmaco appare più efficace semplicemente perché ci sono più cellule bersaglio da uccidere. Questo crea una falsa connessione. Un gene potrebbe sembrare predittivo di una buona risposta a un farmaco non perché controlli l'azione del farmaco, ma semplicemente perché è più attivo nei campioni che per caso hanno più cellule tumorali.
Per misurare l'entità di questo problema, il ricercatore ha eseguito un confronto massiccio coinvolgendo 12.000 diverse combinazioni di geni e farmaci. Ha preso il metodo standard di analisi dei dati, che ignora la percentuale di blasti, e lo ha confrontato con un nuovo metodo che include la percentuale di blasti come fattore. I risultati sono stati sorprendenti. Sotto il metodo standard, quasi 1.200 coppie gene-farmaco apparivano come corrispondenze significative. Quando la percentuale di blasti è stata aggiunta al calcolo, più di 400 di quelle corrispondenze sono scomparse. In altre parole, circa il 35 percento delle connessioni che sembravano forti erano in realtà illusioni create dalla composizione del campione. Al contrario, solo una minima frazione di nuove connessioni è apparsa quando è stato effettuato l'aggiustamento. Ciò suggerisce che l'elenco precedente di potenziali bersagli farmacologici era significativamente gonfiato da una variabile non misurata.
Lo studio ha utilizzato un esempio specifico per mostrare esattamente quanto un singolo marcatore candidato potesse cambiare. I ricercatori avevano precedentemente identificato un gene chiamato DHODH come il più forte predittore di come un farmaco chiamato sorafenib avrebbe funzionato. Nell'analisi standard, questo gene si classificava al primo posto tra tutti i 125 farmaci testati, con un legame statistico molto forte con il successo del farmaco. Tuttavia, una volta incluso il rapporto di blasti nel modello, la forza di quel legame è diminuita sensibilmente. Il gene è sceso dal primo posto al quarto, e la certezza statistica della connessione si è indebolita considerevolmente. Sebbene il legame non sia scomparso completamente, è diventato molto meno impressionante. Inoltre, quando i ricercatori hanno esaminato altri farmaci progettati per colpire lo stesso percorso del sorafenib, nessuno di essi mostrava una connessione simile al gene DHODH. Ciò indica che il precedente forte risultato era probabilmente un effetto collaterale della composizione del campione piuttosto che un vero meccanismo biologico.
Il ricercatore ha anche verificato per assicurarsi che questo cambiamento non fosse causato da altri fattori, come il tipo di campione prelevato o il modo in cui veniva misurata la risposta al farmaco. Nessuna di queste altre variabili ha spostato significativamente i risultati. L'unico fattore che ha alterato l'esito è stata l'inclusione della percentuale di blasti. Lo studio ha anche verificato se questo reperto reggesse in un gruppo diverso di pazienti da un database separato, ma i risultati lì non sono stati abbastanza forti da confermare il pattern, probabilmente perché quei dati mancavano dei dettagli clinici specifici necessari per lo stesso tipo di analisi. Questo non smentisce il reperto, ma sottolinea che il risultato iniziale necessita di una valutazione attenta prima di poter essere considerato affidabile.
La conclusione di questo lavoro è che la percentuale di cellule tumorali in un campione è un'informazione critica che deve essere inclusa quando si analizzano i dati genetici rispetto alle risposte ai farmaci. È un fattore che è già registrato nelle cartelle cliniche e non costa nulla includerlo nell'analisi. Ignorarlo porta a un alto tasso di false scoperte, dove gli scienziati potrebbero inseguire geni che riflettono semplicemente la quantità di cancro presente piuttosto che la vera sensibilità del cancro a un farmaco. Regolando questa variabile, l'elenco dei potenziali bersagli farmacologici diventa più breve e più affidabile. Lo studio non sostiene di aver trovato una nuova cura o un marcatore definitivo per il sorafenib; serve invece come una necessaria correzione, mostrando che il percorso per trovare veri biomarcatori richiede prima di pulire i dati da questi fattori confondenti nascosti. Il costo dell'inclusione di questo semplice aggiustamento è trascurabile, ma il costo del lasciarlo fuori è una significativa distorsione del quadro scientifico.
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.