W przypadku pacjentów z niektórymi rodzajami raka diagnoza może nastąpić na zaawansowanym etapie. Podczas gdy guz rośnie niezauważony, gromadzi setki do tysięcy mutacji, co utrudnia naukowcom badającym późne stadium raka ustalenie, które z nich przyczyniły się do wzrostu guza we wcześniejszych stadiach raka. Wiedza o zdarzeniach genetycznych, które mają miejsce podczas progresji raka, może pomóc naukowcom opracować bardziej realistyczne modele komórkowe i zwierzęce choroby, a nawet opracować lepsze sposoby wczesnego wykrywania i leczenia.

Teraz zespół badaczy raka z Broad Institute of MIT i Harvard, Massachusetts General Hospital (MGH) i The Ohio State University wykazał, że oni, podobnie jak archeolodzy, którzy badają zakopane artefakty w celu zrekonstruowania historii społeczeństwa, mogą badać wzorce w genach guza. krajobraz, aby odkryć jego przeszłość. Zbudowali podejście analityczne, które pozwala naukowcom zebrać razem historię mutacji zaawansowanych nowotworów, analizując egzomy guzów (części genomu kodujące białka).

Zespół zweryfikował i przetestował swoją metodę na danych z dwóch podtypów raka głowy i szyi, jednego związanego z ekspozycją na wirusa brodawczaka ludzkiego (HPV), a drugiego nie. Zidentyfikowali pewne zdarzenia sterujące związane z wczesnymi stadiami choroby, które nie zostały wcześniej zidentyfikowane za pomocą innych podejść, oraz inne ważne zdarzenia molekularne, które powiązali z agresywnym wzrostem guza. Głębszy wgląd w przeszłość nowotworu wygenerowany tą metodą może pomóc w kierowaniu nowymi strategiami badań przesiewowych w kierunku raka, profilaktyki i precyzyjnych terapii, które koncentrują się na konkretnym guzie pacjenta.

Technologia o nazwie PhylogicNDT jest opisana w Rak naturyi jest bezpłatnie dostępny dla społeczności naukowej.

„Ta metoda powinna być jednym z zestawów narzędzi w naszym zestawie narzędzi za każdym razem, gdy analizujemy próbki raka, obok metod, które szukają sygnatur mutacji i mutacji sterowników” – powiedział starszy współautor Gad Getz, który jest również dyrektorem ds. członek instytutu w Cancer Program at the Broad, profesor patologii w Harvard Medical School oraz Paul C. Zamecnik Chair in Oncology w MGH Cancer Center.

„Zdolność do rekonstrukcji kolejności zdarzeń genetycznych przy użyciu danych egzomu otwiera nowe możliwości analizy typów nowotworów, które tak naprawdę nie były badane w ten sposób w żadnych szczegółach” – powiedział współautor Ignaty Leshchiner, członek Getz lab, który jest obecnie profesorem nadzwyczajnym medycyny obliczeniowej w Szkole Medycznej Uniwersytetu Bostońskiego. „Nasza metoda może pewnego dnia poprawić opiekę nad pacjentem poprzez identyfikację wczesnych, wpływowych mutacji, które mogą determinować rokowanie pacjenta lub odpowiedź na terapię”.

Odkrywanie wskazówek w egzomie

Aby poznać historię nowotworu, naukowcy często porównują jego DNA z DNA ze zmiany przedrakowej, z której się wywodzi. Jednak w przypadku wielu rodzajów raka trudno jest uzyskać próbki z takich zmian, ponieważ albo są one głęboko w ciele i nie można ich wykryć, albo nie jest jasne, co należy pobrać.

Getz i jego współpracownicy postawili hipotezę, że zamiast tego mogliby wnioskować o wczesnej progresji genetycznej tych nowotworów, analizując DNA z bardziej dojrzałych guzów przy użyciu sprytnych strategii obliczeniowych. Opracowali PhylogicNDT, aby szukać wzorców błędów ortograficznych oraz dodatkowych lub brakujących fragmentów DNA w egzomie guza.

Metoda opiera się częściowo na tendencji genomów raka do powielania dużych fragmentów DNA lub nawet całkowitego powielania się, dając wiele kopii genomu, które nadal generują mutacje. Biorąc pod uwagę znane tempo mutacji, PhylogicNDT może analizować dane egzomu i porównywać te zduplikowane części genomu nowotworu, aby następnie zrekonstruować najbardziej prawdopodobną kolejność zdarzeń mutacyjnych.

Naukowcy wykorzystali PhylogicNDT do zbadania DNA guza od kilkuset osób z HPV-ujemnym rakiem płaskonabłonkowym głowy i szyi (HNSCC), który jest podtypem związanym z używaniem tytoniu i alkoholu. Wygenerowali rekonstrukcję zdarzeń genetycznych, która była podobna do danych z modelu choroby opartego na zmianach przednowotworowych, co potwierdziło ich podejście. Zidentyfikowali również dodatkowe mutacje sterowników, które można było wywnioskować jedynie przy użyciu dzisiejszych zaawansowanych technologii sekwencjonowania.

Oś czasu nowotworu

Po zweryfikowaniu swojej metody naukowcy wykorzystali ją następnie do analizy ponad 100 HPV-dodatnich nowotworów HNSCC, które są spowodowane przez wirusa HPV integrującego swój materiał genetyczny z genomem gospodarza. Guzy te rosną również szybciej niż guzy HPV-ujemne i są zwykle diagnozowane na późnym etapie, gdy nie ma już rozpoznawalnej tkanki przednowotworowej.

Zespół odkrył, że wirus może integrować się z genomem gospodarza lata, a nawet dekady, zanim pacjent zostanie zdiagnozowany, i że może integrować się w różnych punktach genomu guza w miarę wzrostu guza. Ich analiza ujawniła również kilka takich samych mutacji występujących w nowotworach HPV-ujemnych, oprócz niektórych, które są unikalne dla szybciej rosnącego typu.

W obu podtypach HNSCC naukowcy zaobserwowali przypadki, w których genom podwoił się, wytwarzając cztery kopie zamiast dwóch, na wiele lat przed diagnozą. Co zaskakujące, zaobserwowali również przypadki z trzema kopiami genomu, w których jedna z podwojonych kopii została później usunięta, a guzy te były bardziej agresywne i bardziej odporne na leczenie.

„Te spostrzeżenia pozwalają nam powiązać informacje o czasie mutacji z progresją nowotworu i różnicami w przeżywalności” – powiedział Leshchiner.

Naukowcy mają nadzieję, że PhylogicNDT może pomóc innym rzucić światło na inne typy raka, w których brakuje próbek tkanek we wczesnym stadium lub, w przypadku rzadkich nowotworów, dostępnych jest niewiele próbek dowolnej tkanki. Ponadto te podejścia obliczeniowe mogą złagodzić potrzebę wyczerpujących badań eksperymentalnych na komórkach lub zwierzętach, które opierają się na próbach i błędach, aby dowiedzieć się, które kombinacje zdarzeń mogą powodować raka. Metodę można również zastosować do wielu istniejących zestawów danych sekwencji egzomu raka, aby wzbogacić to, co już wiadomo o tych chorobach.