加州大学洛杉矶分校的一个团队创建了一个人工智能模型，该模型使用表观遗传因素来准确预测不同癌症类型患者的预后。这种创新的方法提供了优于传统方法的预测，并突出了表观遗传学在癌症治疗和进展中的重要性。
加州大学洛杉矶分校的研究人员发现，某些编码肿瘤表观遗传因子的基因与各种癌症的临床结果具有预测性关联。
加州大学洛杉矶分校健康约翰逊综合癌症中心的研究人员开发了一种基于表观遗传因素的人工智能(AI)模型，该模型能够成功预测多种癌症类型的患者预后。
研究人员发现，通过检查表观遗传因素的基因表达模式——影响基因如何开启或关闭的因素——在肿瘤中，他们可以将它们分类成不同的组，以预测不同癌症类型的患者结果，比传统的方法(如癌症等级和分期)更好。
今天(11月15日)发表在《通讯生物学》杂志上的这些发现，也为开发靶向治疗方法奠定了基础，这些疗法旨在调节癌症治疗中的表观遗传因素，如组蛋白乙酰转移酶和SWI/SNF染色质重塑子。
“传统上，癌症主要被认为是致癌基因或肿瘤抑制基因突变的结果，”共同资深作者希拉里·科勒说，她是加州大学洛杉矶分校健康约翰逊综合癌症中心和加州大学洛杉矶分校Eli和Edythe Broad再生医学和干细胞研究中心的成员，也是分子、细胞和发育生物学教授。
“然而，先进的下一代测序技术的出现使更多的人意识到染色质的状态和维持这种状态的表观遗传因子的水平对癌症和癌症进展很重要。染色质状态的不同方面——比如组蛋白是否被修饰，或者DNA的核酸碱基是否含有额外的甲基——会影响癌症的结果。了解肿瘤之间的这些差异可以帮助我们更多地了解为什么一些患者对治疗的反应不同，以及为什么他们的结果不同。”
虽然先前的研究表明编码表观遗传因子的基因突变会影响个体的癌症易感性，但对这些因子的水平如何影响癌症进展知之甚少。Coller指出，这种知识差距对于充分理解表观遗传学如何影响患者预后至关重要。
为了了解表观遗传模式与临床结果之间是否存在关系，研究人员分析了720种表观遗传因子的表达模式，将24种不同癌症类型的肿瘤划分为不同的集群。
研究小组发现，在24种成人癌症类型中，有10种癌症的聚类与患者预后的显著差异相关，包括无进展生存期、疾病特异性生存期和总生存期。
对于肾上腺皮质癌、肾透明细胞癌、脑低级别胶质瘤、肝肝细胞癌和肺腺癌来说尤其如此，在所有的生存测量中，差异都是显著的。
预后差的群集往往有更高的癌症分期、更大的肿瘤大小或更严重的扩散指标。
“我们发现，表观遗传因素的预后效果取决于癌症类型的起源组织，”该研究的资深作者之一、科勒实验室的副项目科学家米图恩·米特拉(Mithun Mitra)说。“我们甚至在我们分析的几种儿科癌症类型中看到了这种联系。这可能有助于确定以这些因素为治疗目标的癌症特异性相关性。”
然后，该团队使用表观遗传因子基因表达水平来训练和测试人工智能模型，以预测患者的预后。这个模型是专门设计用来预测五种在生存测量上有显著差异的癌症类型可能发生的情况的。
科学家们发现，该模型可以成功地将这五种癌症类型的患者分为两组:一组有明显更高的机会获得更好的结果，另一组有更高的机会获得更差的结果。
他们还发现，对人工智能模型最关键的基因与集群定义的特征基因有显著的重叠。
米特拉说:“泛癌症人工智能模型在TCGA队列的成年患者身上进行了训练和测试，在其他独立数据集上进行测试，以探索其广泛的适用性，这将是一件好事。”“可以为儿童癌症建立类似的基于表观遗传因素的模型，与建立在成人癌症上的模型相比，看看是什么因素影响了决策过程。”
“我们的研究有助于为类似的人工智能模型提供路线图，这些模型可以通过公开的预后表观遗传因素列表生成，”该研究的第一作者、加州大学洛杉矶分校生物信息学跨部门项目的研究生迈克尔·程(Michael Cheng)说。“该路线图展示了如何识别不同类型癌症的某些影响因素，并在预测癌症治疗的具体目标方面具有令人兴奋的潜力。”
参考文献:2023年11月16日，通讯生物学。DOI: 10.1038 / s42003 - 023 - 05459 - w
这项研究的部分资金来自美国国家癌症研究所、癌症研究所、黑色素瘤研究联盟、黑色素瘤研究基金会、美国国立卫生研究院和加州大学洛杉矶分校前列腺癌研究中心。分享推特reddit电子邮件分享
地球
健康
生物学
健康
生物学
科学
生物学
空间
