Quantitative gene-level inference of tumor transcription from plasma epigenomes
本研究介绍了 APEX，这是一个利用包括组蛋白修饰模式和 DNA 片段化周期性在内的血浆表观基因组特征，来准确推断多种癌症类型中全基因组单基因肿瘤转录的机器学习框架，从而实现在不受现有高比例或体量表达方法限制的情况下，对治疗靶点和生物标志物进行监测。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
癌症不仅仅是基因破碎导致的疾病，它也是一种活跃细胞的疾病。虽然基因检测可以告诉我们肿瘤指令手册中的哪些部分受损，但它们并不总能告诉我们哪些指令目前正在被读取和执行。这种区别至关重要，因为肿瘤的行为——它的生长速度、它可能产生耐药性的药物，或者它展示出的表面蛋白——都取决于在任何给定时刻哪些基因被开启了。传统上，医生必须切取患者的一块组织来观察这种活动，这一过程具有侵入性、痛苦且难以随着疾病的变化而重复进行。多年来，科学家们一直在寻找一种通过简单的血液样本来读取这种生物活动的方法，希望能捕捉到肿瘤当前的形态，而无需再次接触身体。
挑战在于血液中漂浮着什么。当肿瘤将物质释放到血液中时，它们会释放出包裹在保护性蛋白质外壳（称为核小体）中的微小 DNA 片段。这些片段携带被称为组蛋白修饰的化学标签，这些标签就像留在 DNA 上的便利贴，标记了释放该细胞的基因在何时是活跃的。研究人员早已知道这些标签存在于血液中，但要通过观察这些零散、残破的页面来解码并重建完整的活跃基因列表，就像是在尝试通过阅读几页散落且撕裂的纸片来理解一本书。信号非常微弱，并混杂在来自健康细胞的海量背景噪音中，而且化学标签与实际基因活动之间的关系一直难以精确映射。
达纳法伯癌症研究所（Dana-Farber Cancer Institute）和古斯塔夫·鲁西研究所（Gustave Roussy）的研究团队现在开发出了一种解决这一难题的方法。他们创建了一个名为 APEX 的机器学习框架，它充当了血液 DNA 的化学景观与肿瘤活跃基因之间的“翻译官”。APEX 并非试图一次只猜测一个基因的活性，而是学习化学标签和 DNA 片段大小如何跨越整个基因组与基因活性之间的复杂模式。通过对同时拥有血液样本和匹配组织活检的患者数据进行训练，该系统学会了识别活跃基因的特定“特征”。它发现，位于基因起始端附近的化学标签位置，结合沿基因本体分布的标签以及特定的 DNA 片段大小，共同构成了一个独特的指纹，能够精确揭示该基因被使用的程度。
研究人员在来自 24 种不同类型癌症的数百份血液样本上测试了这个系统。在每种情况下，他们都将系统的预测结果与患者肿瘤中实际测得的基因活性进行了对比。结果令人震惊：仅凭血液就能准确重建数千个单个基因的活性。其表现显著优于以往仅观察一种化学标签或仅依赖 DNA 片段大小的方法。即使在肿瘤 DNA 在血液中含量极低的情况下（这是转移性疾病患者常见的场景），该系统也表现出了强大的稳健性。它能够区分不同亚型的胰腺癌（这通常需要复杂的组织分析），并且能够追踪小细胞肺癌患者在接受治疗过程中特定药物靶点表达的变化。
这项工作的最引人注目的应用之一出现在膀胱癌的研究中。研究人员关注一种名为 NECTIN4 的特定蛋白质，它是这类新型癌症药物的靶点。通过分析治疗开始前采集的血液样本，该系统推断出了肿瘤中 NECT_4 的水平。结果显示出明确的联系：血液信号显示该蛋白水平较高的患者，更有可能对药物产生反应并获得更长的生存期；而推断水平较低的患者则未能从中获益。这表明，简单的血液检测很快就能帮助医生决定哪些患者会对特定疗法产生反应，从而避免让其他患者接受无效治疗并承受副作用。
研究还揭示了肿瘤如何在压力下进化。在接受针对 DLL3 蛋白药物治疗的患者中，该系统追踪了肿瘤活性随时间变化的轨迹。随着治疗杀死了最脆弱的细胞，剩余的肿瘤细胞改变了它们的行为，开启了不同的表面蛋白以求生存。血液检测实时捕捉到了这种转变，显示出从由原始靶点主导的状态向由另一种蛋白（B7-H3）主导的状态的过渡。这种近乎实时观察肿瘤适应过程的能力，为理解耐药性并潜在地指导下一步治疗方案提供了一种强大的新途径。
虽然这项技术尚未准备好在所有病例中取代组织活检，但该研究证明了血液中的化学信息比此前认为的要丰富得多。研究人员展示了通过结合多层数据——标签的位置、DNA 片段的长度以及它们的排列方式——可以从一管血液中构建出肿瘤内部运作的详细且定量的图像。这种方法超越了仅仅检测癌症是否存在，而是转向理解其功能状态，为实现一个由动态、非侵入式视角引导治疗决策的未来铺平了道路，使我们能够观察疾病随时间变化的进程。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。