Machine learning and single-cell transcriptomics identify key lncRNAs associated with malignant transformation and immune infiltration in colorectal cancer
본 연구는 머신러닝과 단일 세포 전사체 분석을 활용하여 대장암에서 정상, 선종 및 종양 조직을 효과적으로 구분하고 면역 침윤과 상관관계가 있는 7가지 lncRNA 시그니처를 식별하였으나, 이 마커들은 독립적인 생존 예후 지표라기보다는 병기 결정용 바이오마커로서 기능한다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기
인체 내부의 결장의 내벽은 때때로 건강한 상태에서 위험한 상태로 변할 수 있는 역동적인 풍경과 같습니다. 이러한 변화는 하룻밤 사이에 일어나지 않습니다. 이는 정상 조직이 먼저 선종이라고 불리는 양성 종양으로 자라나고, 이후 방치될 경우에만 완전한 암으로 발전하는 느리고 단계적인 여정입니다. 과학자들은 오랫동안 이러한 진행이 세포 내부의 유전적 지침 변화에 의해 주도된다는 것을 알고 있었지만, 이 변화를 안내하는 구체적인 신호는 다소 숨겨져 있었습니다. 이러한 신호 중에는 긴 비부호화 RNA(long non-coding RNAs)가 있는데, 이들은 단백질을 만들지는 않지만 다른 유전자의 스위치를 켜거나 끄는 관리자 역할을 합니다. 동시에, 침입자를 찾아 몸을 순찰하는 면역 체계 또한 조직이 변함에 따라 행동을 바꾸며, 종종 현장에 서로 다른 유형의 방어 세포들을 보냅니다. 어떤 유전적 관리자가 각 단계에서 어떻게 변하는지, 그리고 이들이 면역 체계와 어떻게 상호작용하는지를 정확히 이해하는 것은 현재의 방식보다 훨씬 더 일찍 위험한 변화를 포착할 수 있는 방법을 제공할 수 있습니다.
연구팀은 단순한 건강 조직 대 질병 조직의 비교를 넘어 그 사이의 특정 단계들을 살펴봄으로써, 높은 정밀도로 이 여정을 지도화하기 위해 노력했습니다. 그들은 자신들의 발견이 단일 환자 집단의 우연한 결과가 아님을 보장하기 위해, 각각 건강한 결장 조직, 선종, 그리고 종양을 포함하는 세 개의 별도 샘플 컬렉션으로부터 유전 데이터를 수집했습니다. 강력한 컴퓨터 알고리즘을 사용하여, 그들은 샘oli를 분류하도록 설계된 2단계 필터를 구축했습니다. 첫 번째 단계는 건강한 조직과 모든 종류의 질병을 구분하도록 훈련되었고, 두 번째 단계는 초기 양성 종양과 후기 악성 종양을 구별하는 법을 배웠습니다. 이러한 접근 방식을 통해 그들은 조직이 건강에서 질병으로, 그리고 다시 양성에서 악성으로 이동함에 따라 일관되게 변화하는 특정 7가지 유전적 관리자 세트를 식별해 냈습니다. 이 일곱 분자의 조절 능력은 매우 정확하여, 테스트한 거의 모든 사례에서 조직의 상태를 올바르게 식별해 냈습니다.
연구진은 이 유전적 관리자들이 조직 내 어디에서 활성화되어 있는지 확인하기 위해 더 깊이 조사했습니다. 전체 샘플의 평균값이 아닌 개별 세포를 조사함으로써, 그들은 이 중 두 분자가 초기 선종 내의 줄기 세포 유사 세포들에서 특히 활발하다는 것을 발견했습니다. 이 세포들은 성장하고 분열할 잠재력을 가진 세포들로, 이는 종양이 형성되기 훨씬 전부터 유전적 변화가 문제의 근원지에서 발생하고 있음을 시사합니다. 또한 이 연구는 이 유전적 관리자들과 면역 체계 사이의 연관성을 밝혀냈습니다. 연구진은 이 분자들의 수준이 자라는 종양 부위에 모여드는 특정 백혈구와 같은 특정 면역 세포의 존재와 연결되어 있음을 발견했습니다. 이는 조직이 변하기 시작할 때, 세포 자체뿐만 아니라 면역 반응을 포함한 주변 환경 또한 변화하고 있음을 시사합니다.
이 분자들이 질병의 단계를 식별하는 데 성공했음에도 불구하고, 연구진은 이들이 환자의 경과를 예측할 수 있는지도 테스트했습니다. 그들은 수백 명의 대장암 환자 데이터를 분석하여, 이 분자들의 높거나 낮은 수준이 환자의 생존 기간을 길게 혹은 짧게 만드는지 살펴보았습니다. 결과는 명확했습니다. 이 분자들은 건강한 결장, 양성 종양, 그리고 종양을 구별하는 데는 탁월했지만, 이미 암을 앓고 있는 환자의 미래 경과를 신뢰성 있게 예측하지는 못했습니다. 한 분자가 생존과의 연관성을 암시하는 신호를 보였으나, 연구진이 수행한 테스트 횟수를 고려했을 때 그 신호는 사라졌습니다. 이 차이는 매우 중요합니다. 즉, 이 연구는 이 일곱 분자가 환자가 질병의 어느 단계에 있는지 진단하는 데는 강력한 도구임을 입증하지만, 질병이 일단 자리 잡은 후 그 질병이 어떻게 행동할지를 예측하는 도구로서는 아직 입증되지 않았다는 것입니다.
이 작업은 대장암의 초기 단계를 바라보는 새로운 관점을 제시하며, 단순히 종양을 찾는 것에서 벗어나 양성 종양이 위험한 변화를 시작하는 정확한 순간을 이해하는 데 초점을 맞춥니다. 특정 유전적 스위치가 이 전환기에 어떻게 켜지는지를 식별하고 이를 면역 반응과 연결함으로써, 연구진은 언젠가 의사들이 종양이 되기 전의 고위험 종양을 포착하는 데 도움이 될 수 있는 후보 목록을 제공했습니다. 그러나 이 연구는 또한 현재 이 발견이 갖는 의미에 대한 명확한 경계를 설정합니다. 이 분자들은 질병의 단계를 분류하는 데(조직을 정상, 전암 단계, 또는 암 단계로 분류하는 데) 강력한 후보이지만, 아직 환자의 예후를 추측하는 데 사용되어서는 안 됩니다. 앞으로의 과제는 이 유전적 징후가 실제 세계에서도 유효한지 확인하기 위해 새로운 환자 집단에서 추가적인 테스트를 거치는 것이며, 이는 질병을 가장 초기 단계이자 치료 가능한 시점에 잡아낼 수 있는 더 나은 스크리닝 도구로 이어질 수 있습니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.