Integrating Genomic and Fragmentomic Features for Tissue-of-Origin Prediction from Routine Targeted ctDNA Sequencing

Wanneer kanker zich naar andere delen van het lichaam verspreidt, staan artsen voor een cruciale uitdaging: ze moeten weten waar de ziekte is begonnen om de juiste behandeling te kunnen kiezen. Dit startpunt wordt de oorspronkelijke weefselbron genoemd. Soms blijft de oorsprong, ondanks scans en biopten, een mysterie, waardoor patiënten zonder een duidelijk pad vooruit worden gelaten. In de afgelopen jaren is een techniek genaamd vloeibare biopsie opgekomen, waarmee artsen sporen van kanker in een eenvoudig bloedmonster kunnen vinden. Deze sporen zijn minuscule fragmenten van DNA die door tumoren in de bloedbaan worden afgestoten. Hoewel wetenschappers lang wisten hoe ze de genetische code binnen deze fragmenten konden lezen om specifieke mutaties te vinden, is er een nieuwe laag informatie ontdekt die verborgen ligt in de fysieke vorm en grootte van de DNA-stukjes zelf. Net zoals een boek op een bepaalde manier gescheurd kan zijn waardoor onthuld wordt uit welk hoofdstuk het komt, dragen deze DNA-fragmenten subtiele aanwijzingen over het type cel waar ze vandaan zijn gekomen.

Een team onderzoekers van het Samsung Medical Center in Zuid-Korea vroeg zich af of zij deze verborgen aanwijzingen konden ontsluiten met behulp van de standaard bloedtests die kankerpatiënten al ontvangen. Momenteel gebruiken ziekenhuizen gerichte sequencing-panels om te zoeken naar specifieke genetische veranderingen in het DNA van circulerende tumorcellen. Deze tests richten zich op een specifieke set genen waarvan bekend is dat ze betrokken zijn bij kanker, maar ze waren oorspronkelijk niet ontworpen om de fysieke structuur van de DNA-fragmenten te analyseren. De onderzoekers vro wonderden zich af of ze extra diagnostische waarde uit deze bestaande gegevens konden persen zonder dat daar nieuwe, dure of tijdrovende tests voor nodig waren. Ze ontwikkelden een methode om nauwkeurig te kijken naar hoe deze DNA-fragmenten uiteenvallen op specifieke locaties waar eiwitten aan het DNA binden, een proces dat varieert afhankelijk van het type weefsel waar de kanker vandaan komt.

Het team analyseerde bloedmonsters van bijna 1.900 patiënten met uitgezaaide kanker, variërend over elf verschillende soorten kanker, zoals long-, colorectale en pancreascarcinoom. Ze gebruikten een routinematige klinische test die 523 genen scant, wat een standaardinstrument is voor het sturen van de kankerbehandeling. Vanuit dezelfde gegevens die werden gebruikt om genetische mutaties te vinden, extraheerden de onderzoekers vijf verschillende soorten informatie. Ze keken naar de genetische mutaties zelf, het totale aantal DNA-kopieën, de diepte van de dekking over de genen, en twee nieuwe kenmerken gerelateerd aan hoe de DNA-fragmenten werden afgebroken. Een van deze nieuwe kenmerken mat de diversiteit van de fragmentlengtes op specifieke plaatsen waar eiwitten aan het DNA hechten, terwijl de andere mat hoe de uiteinden van de fragmenten gepositioneerd waren. Door al deze signalen te combineren, bouwden ze een computermodel dat ontworpen is om de oorspronkelijke weefselbron te voorspellen.

De resultaten toonden aan dat deze gecombineerde aanpak zeer effectief was. Wanneer het model naar alle vijf de soorten informatie tegelijk keek, identificeerde het de oorsprong van de kanker in het overgrote deel van de gevallen, waarbij het aanzienlijk beter presteerde dan welke enkele soort informatie dan ook op zichzelf. De krachtigste individuele aanwijzingen kwamen van de fysieke fragmentatiepatronen en de algehele dekking van het DNA, maar de genetische mutaties boden een unieke stimulans die de andere signalen niet konden vervangen. Het model werkte het best wanneer de hoeveelheid tumor-DNA in het bloed hoog genoeg was om gemakkelijk gedetecteerd te worden, waarbij een nauwkeurigheid van ongeveer 80 procent werd bereikt in die gevallen. Nog belangrijker was dat de methode in staat was om verschillende soorten kanker te onderscheiden op basis van de specifieke biologische handtekeningen die door de cellen werden achtergelaten, zoals welke eiwitten aan het DNA bonden in het oorspronkelijke weefsel.

Om te verzekeren dat hun bevindingen geen toevalstreffer waren van hun specifieke laboratoriumapparatuur, testten de onderzoekers hun methode op een volledig aparte groep patiënten van een andere instelling, gebruikmakend van een ander sequencing-platform. Het model behield zijn hoge nauwkeurigheid in deze onafhankelijke groep, wat bewees dat de aanpak werkt in verschillende omgevingen. Ze controleerden ook of de methode kon worden overgedragen tussen twee licht verschillende versies van de klinische test die in hun hoofdstudie werd gebruikt. Hoewel sommige kenmerken stabiel bleven, vereisten andere zorgvuldige aanpassing, wat benadrukte dat de fysieke details van de DNA-fragmenten gevoelig zijn voor de manier waarop de test wordt uitgevoerd. Dit suggereert dat hoewel de methode robuust is, deze moet worden gekalibreerd voor elke specifieke laboratoriumopstelling.

De studie bevestigt dat routinematige bloedtests voor kanker een schat aan informatie bevatten die verder gaat dan eenvoudige genetische mutaties. Door de fysieke vorm en grootte van DNA-fragmenten te analyseren, kunnen artsen nu potentieel bepalen waar een kanker is begonnen zonder dat daar een nieuwe biopsie of een gespecialiseerde test voor nodig is. Deze aanpak transformeert bestaande gegevens tot een krachtig diagnostisch instrument, wat een manier biedt om het puzzelstukje van onbekende primaire kankers op te lossen met precies dezelfde monsters die patiënten al aanleveren. De onderzoekers benadrukken dat hoewel de resultaten veelbelovend zijn, de methode nog steeds getest moet worden in grootschalige, prospectieve studies met patiënten wier oorsprong van de kanker echt onbekend is voordat het een standaard onderdeel van de klinische zorg kan worden. Voor nu demonstreert het werk dat het verhaal van de oorsprong van een kanker niet alleen geschreven staat in de genetische code, maar ook in de manier waarop het DNA uiteenvalt.