Blast percentage confounds transcriptome to drug-response associations in Beat AML: DHODH and sorafenib as a worked example
本研究表明，未能对 Beat AML 数据集中的原始细胞比例（blast percentage）进行调整会显著干扰转录组与药物反应之间的关联，这一点从在分析中纳入原始细胞含量后，诸如 DHODH 和索拉非尼（sorafenib）等标志物的统计显著性大幅丧失中得到了证实。
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
在对抗急性髓系白血病（一种血液癌症）的战斗中，科学家经常试图从患者自身的细胞中寻找线索，以预测哪些药物会最为有效。他们研究转录组，即在特定时刻细胞正在读取和使用的完整遗传指令集。通过将这些遗传模式与实验室培养皿中癌细胞对不同药物的反应进行比较，研究人员希望找到一种能够告诉他们该选择哪种治疗方案的“特征”。这种方法依赖于这样一个观点：癌症细胞本身的遗传构成掌握着其脆弱性的关键。然而，一份骨髓或血液样本很少仅由癌细胞组成。它是一个混合物，包含了癌性的原始细胞（blasts）、健康的血细胞和其他组织。样本中癌细胞的比例在不同患者之间可能存在巨大差异，而这种差异长期以来一直是解释遗传数据时的一个困惑来源。
独立研究员 Cumhur Gokhan Ekmekci 最近的一项研究调查了一个在名为 Beat AML 的主要数据集中被忽视的具体问题。该数据集将白血病患者的遗传信息与他们细胞对 125 种不同药物反应的详细记录相结合。虽然之前的分析调整了诸如细胞分裂速度或成熟度等因素，但并未考虑到癌细胞（即“原始细胞”）在样本中的百分比。研究人员旨在探究忽略这一简单事实是否正在扭曲结果，导致科学家误以为某些基因是重要的药物靶点，而实际上它们仅仅是反映样本中含有多少癌细胞的标记物。
这项调查始于一个简单的问题：样本中癌症的含量是否会改变我们读取遗传数据和药物测试结果的方式？答案证明确实如此。研究发现，样本中原始细胞的百分比与所测量的遗传信号以及药物的效果强度均存在相关性。当样本中含有高比例的癌细胞时，与快速生长相关的遗传信号看起来更强，且药物看起来似乎更有效，仅仅是因为有更多的目标细胞可以被杀死。这创造了一种虚假的联系。一个基因之所以看起来能预测对某种药物的良好反应，可能并不是因为它控制了药物的作用，而仅仅是因为它在那些恰好含有更多癌细胞的样本中更为活跃。
为了衡量这个问题有多大，研究人员进行了一项涉及 12,000 种不同基因与药物组合的大规模比较。他们采用了忽略原始细胞百分比的标准分析方法，并将其与一种将原始细胞百分比作为因素纳入考量的新方法进行了对比。结果令人震惊。在标准方法下，近 1,200 对“基因-药物”组合表现出显著的匹配关系。而当将原始细胞百分比纳入计算后，其中超过 400 对匹配关系消失了。换句话说，大约 35% 看起来很强的联系实际上是由样本组成造成的幻象。相反，在加入调整后，只有极少数新的联系出现。这表明，之前那份看似有前景的潜在药物靶点名单，由于未被测量的变量的存在而显著虚高了。
研究使用了特定的例子来展示单个候选标记物的变化程度会有多大。研究人员此前确定了一个名为 DHODH 的基因，它是预测索拉非尼（sorafenib）疗效的最强预测因子。在标准分析中，该基因在所有 125 种测试药物中排名第一，与该药物的成功有着极强的统计学关联。然而，一旦将原始细胞百分比纳入模型，该基因与药物联系的强度就明显下降。它的排名从第一位跌至第四位，且这种联系的统计确定性也大幅削弱。虽然这种联系并未完全消失，但已变得不再那么令人瞩目。此外，当研究人员观察其他旨在针对索拉非尼相同通路设计的药物时，没有任何药物显示出与 DHODH 基因类似的联系。这表明，最初强烈的关联结果很可能是样本组成的副作用，而非真正的生物学机制。
研究人员还检查了这种变化是否由其他因素引起，例如样本类型或药物反应的测量方式。这些其他变量都没有显著改变结果。唯一改变结果的因素是加入了原始细胞百分比。研究人员还查看了这一发现是否在来自另一个数据库的不同患者群体中成立，但在该数据集中，结果并不足以证实这一模式，这可能是因为该数据缺乏进行同类分析所需的具体临床细节。这并不代表否定了发现，而是强调了在信任结果之前需要对其进行仔细的重新评估。
这项工作的结论是：在分析遗传数据与药物反应的关系时，样本中癌细胞的百分比是一个至关重要的信息。这是一个已经记录在医疗档案中且包含成本极低的因素。忽略它会导致高比例的错误发现，使科学家可能会去追逐那些仅仅反映了癌症存在量、而非癌症对药物真实敏感性的基因。通过对这一变量进行调整，潜在药物靶点的名单会变得更短、更可靠。该研究并非声称找到了新的疗法或索拉非尼的确定性标记；相反，它是一次必要的修正，表明寻找真实生物标志物的路径需要首先清除这些隐藏的混杂因素对数据的干扰。包含这一简单调整的成本微乎其微，但遗漏它的代价则是对科学图景的严重扭曲。
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。