新的绘图技术揭示了癌症的表观遗传驱动因素

科学家通过鉴定推动疾病的遗传突变，对许多癌症的理解和开发治疗进行了重大进展。现在，由韦尔康德医学的研究人员领导的团队，Newyork-Presbyterian和纽约基因组中心（NYGC）开发了一种机器学习技术，用于检测对具有类似效果的DNA的其他修饰。

该研究，5月10日发布癌症发现美国癌症研究协会(American Association for Cancer Research)的一份期刊，主要关注DNA的一种化学修饰，即甲基化，这种修饰通常会使附近的基因沉默。这项新技术可以分析在肿瘤细胞并推断哪些可能驾驶肿瘤生长。

甲基化是一种“表观遗传”过程，通过改变DNA的结构而不改变基因中所含的信息，通常通过改变所述基因组来调节基因活性。然而，偶尔，过量甲基化，称为高甲基化，在a附近发生肿瘤抑制基因，沉默基因并帮助触发或驱动失控的细胞分裂癌症。

“如果我们可以用这样的技术对大量肿瘤进行分析，我们就可以绘制出导致肿瘤发生的表观遗传变化肿瘤生长“在某些癌症中，”高级作者Dan Landa博士，血液学和医学肿瘤科学副教授丹兰德副教授以及卫生康奈尔医学的桑德拉和爱德华梅尔癌中心。“然后我们可以使用该信息改善我们对癌症起源的理解，以及优化个体患者的治疗。“

通过新技术解决的挑战类似于一个癌症研究人员，研究人员对DNA突变 - 如何区分“驾驶员”突变从对癌症没有影响的更丰富的“乘客”突变。虽然现在具有复杂的方法来实现区别基因突变同时也是NYGC核心成员和纽约长老会/威尔康奈尔医学中心肿瘤学家的Landau博士说，在美国，区分驾驶员甲基化变化和乘客甲基化变化的技术还没有那么复杂。

的新算法由兰多博士的团队开发的一种名为MethSig的方法。它利用现有的信息，比如基因组特定区域的甲基化背景率，来估计特定的甲基化变化什么时候可能是癌症的驱动因素。

研究人员将该算法应用于来自不同肿瘤类型的DNA甲基化图，发现它推断了少数癌症驾驶员事件 - 在每种肿瘤中，在每种肿瘤中的中值 - 与数千种乘用甲基化变化相比。推断司机甲基化的模式在患者和肿瘤类型中一致，以及其他统计特征，表明算法与现有方法相比表现的算法的非增量增加。

该团队通过敲除慢性淋巴细胞白血病(CLL)细胞中受影响的基因，进一步验证了几个最强有力的DNA甲基化癌症驱动因素，并表明，当细胞未经治疗时，以及在一些标准的CLL治疗存在时，该基因的缺失促进了细胞生长。总的来说，研究人员得出的结论是，他们的算法比目前的方法更敏感、更有选择性地检测可能是癌症驱动的甲基化变化。

为了展示该算法改善癌症预后和治疗的潜力，研究人员将MethSig应用于另一组CLL样本，并使用其推断来预测个别患者的癌症侵袭性。

“我们使用MethSig开发的分类器为每个患者产生了估计的风险，我们发现，估计风险更高的患者更有可能有更糟糕的结果，”第一作者潘恒博士说，他是威尔康奈尔医学院阿尔瓦利德王子阿尔瓦利德·宾·塔拉·宾·阿卜杜勒阿齐兹·阿尔沙特计算生物医学研究所的高级研究员，他完成了这项研究中的大部分实验。

研究人员计划继续使用更多的癌症数据集和更全面的基因组信息使用和改善甲基粒算法。

“最终，我们设想能够映射癌症驾驶DNA甲基化变化的整个景观，不同肿瘤类型和在不同治疗的背景下，使我们可以扩大遗传学超出遗传学的精密药物的范围，包括癌症癌症癌症变化的关键维度“。