Integrating Genomic and Fragmentomic Features for Tissue-of-Origin Prediction from Routine Targeted ctDNA Sequencing
本研究介绍了 SHAPE，这是一种利用常规靶向 ctDNA 测序来整合基因组与片段组特征，从而实现对癌症组织来源进行高准确度且具有生物学解释性的预测的新型方法，该方法有望在无需额外测序的情况下，扩展现有检测方法的临床应用价值。
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
当癌症扩散到身体其他部位时，医生面临着一个关键挑战：他们必须知道疾病始于何处，以便选择正确的治疗方案。这个起点被称为“原发组织”。有时，尽管进行了影像学检查和活检，起源仍然是一个谜，让患者失去清晰的治疗路径。近年来，一种被称为“液体活检”的技术脱颖而出，它允许医生通过简单的血液样本寻找癌症的痕迹。这些痕迹是肿瘤释放到血液中的微小 DNA 片段。虽然科学家早已知道如何通过读取这些片段中的遗传密码来寻找特定的突变，但研究人员发现，在这些 DNA 片段自身的物理形状和大小中，还隐藏着一层新的信息。正如一本书被撕裂的方式可能会揭示它出自哪一个章节一样，这些 DNA 片段也携带了关于其来源细胞类型的微妙线索。
韩国三星医疗中心的一个研究小组提出了一个疑问：他们能否利用癌症患者现有的标准血液检测来解锁这些隐藏的线索。目前，医院使用靶向测序面板来寻找循环肿瘤细胞 DNA 中的特定遗传变化。这些测试专注于一组已知的与癌症相关的特定基因，但其设计初衷并非为了分析 DNA 片子的物理结构。研究人员想知道，他们是否可以在不需要新的、昂贵的或耗时的测试的情况下，从现有的数据中榨取额外的诊断价值。他们开发了一种方法，通过仔细观察这些 DNA 片段在蛋白质结合 DNA 的特定位置是如何断裂的，而这一过程会根据癌症来源组织的类型而有所不同。
该团队分析了近 1,900 名转移性癌症患者的血液样本，涵盖了肺癌、结直肠癌和胰腺癌等 11 种不同类型的癌症。他们使用了一种常规临床检测，该检测可以扫描 523 个基因，是指导癌症治疗的标准工具。研究人员利用用于寻找遗传突变的同一组数据，提取了五种不同的信息。他们观察了遗传突变本身、DNA 拷贝的总数、基因的覆盖深度，以及与 DNA 片段切割方式相关的两种新特征。其中一种新特征测量了在蛋白质附着到 DNA 的特定位点处片段长度的多样性，另一种则测量了片段末端的位置。通过结合所有这些信号，他们构建了一个旨在预测原发组织的计算机模型。
结果显示，这种结合的方法非常有效。当模型同时观察这五种信息时，它能在绝大多数情况下正确识别癌症的起源，其表现明显优于任何单一类型的信息。最强大的单个线索来自于物理碎片模式和 DNA 的整体覆盖度，但遗传突变也提供了其他信号无法取代的独特助力。当血液中的肿瘤 DNA 量足够高、易于检测时，模型的表现最为出色，准确率达到约 80%。更重要的是，该方法能够根据细胞留下的特定生物学特征（例如哪些蛋白质在原始组织中与 DNA 结合）来区分不同的癌症类型。
为了确保他们的发现不仅仅是特定实验室设备的偶然结果，研究人员在来自另一家机构的完全独立的患者组上测试了他们的方法，并使用了不同的测序平台。该模型在这一独立组别中依然保持了高准确度，证明了该方法在不同环境下均可适用。他们还检查了该方法是否可以在其主要研究中使用的两种略有不同的临床检测版本之间进行迁移。虽然某些特征保持稳定，但其他特征则需要仔细调整，这凸显了 DNA 片段的物理细节对测试运行方式非常敏感。这表明，虽然该方法具有鲁棒性，但仍需针对每个特定的实验室设置进行校准。
这项研究证实，常规的癌症血液检测包含着远超简单遗传突变的丰富信息。通过分析 DNA 片段的物理形状和大小，医生现在有可能在无需进行新的活检或专门测试的情况下，确定癌症的起始位置。这种方法将现有数据转化为强大的诊断工具，为解决未知原发性癌症的难题提供了一种方法，而所使用的正是患者已经在提供的样本。研究人员强调，尽管研究结果令人鼓舞，但在该方法成为临床护理的标准组成部分之前，仍需要在涉及原发部位确实未知的患者的大规模前瞻性研究中进行测试。目前，这项工作证明了癌症起源的故事不仅写在它的遗传密码中，也写在它的 DNA 断裂的方式之中。
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。