新的映射技术揭示了癌症的表观遗传司机

科学家们通过识别导致这种疾病的基因突变，在了解和开发多种癌症治疗方法方面取得了重大进展。现在，一个由威尔康奈尔医学院、纽约长老会医院和纽约基因组中心(NYGC)的研究人员领导的团队开发了一种机器学习技术，用于检测具有类似效果的其他DNA修改。

该研究于5月10日发表于癌症的发现是美国癌症研究协会杂志，侧重于DNA的一种化学修饰，称为甲基化，通常是附近基因的沉默。新技术可以分析检测到的数千个DNA甲基化变化肿瘤细胞并推断出哪些可能会导致肿瘤生长。

甲基化是一种“表观遗传”过程，通常通过改变DNA结构而不改变基因中包含的信息来调节整个基因组的基因活动。偶尔，过度甲基化，称为超甲基化，发生在肿瘤抑制基因，使基因沉默，并帮助触发或驱动失控的细胞分裂癌症。

“如果我们可以通过这样的技巧概括大量肿瘤，我们可以映射有助于的表观遗传变化肿瘤的生长高级作者丹·兰道博士说，他是血液学和医学肿瘤学部门的医学副教授，也是威尔·康奈尔医学院桑德拉和爱德华·迈耶癌症中心的成员。“然后，我们可以利用这些信息来改善我们对癌症起源的理解，以及优化对个别患者的治疗。”

这项新技术所面临的挑战类似于癌症研究人员在DNA突变方面所面临的挑战——如何从对癌症没有影响的更丰富的“乘客”突变中区分“驱动”突变。虽然现在有复杂的方法来区分基因突变Landau博士表示，用于区分乘客甲基化变化的载体甲基化变化的技术从乘客甲基化变化的变化并未差不多。纽约州纽约州纽约州的核心会员和核科学家。

这新算法由Landau的团队博士开发的是Methsig。它使用可用的信息，例如基因组特定区域在基因组的特定区域中的背景速率，以估计给定的甲基化变化可能是癌症驾驶员。

研究人员将该算法应用于不同肿瘤类型的DNA甲基化图谱，并发现它可以推断出少量的癌症驱动因素——每个肿瘤的中位数约为12个——与数千个客甲基化变化相比。推断的驱动甲基化模式在患者和肿瘤类型中是一致的，以及其他统计特征表明，与现有方法相比，该算法的性能非增量增加。

该团队通过敲除慢性淋巴细胞白血病（CLL）细胞中的受影响基因进行了几种最强烈推断的DNA甲基化癌症司机，并表明当细胞未经处理时，基因的缺乏增强细胞生长，并且在存在一些标准的CLL治疗方法。总的来说，研究人员得出结论，它们的算法检测到可能比当前方法更敏感和选择性地变化的癌症驱动甲基化。

在算法的提高癌症预后和治疗的可能性的示范中，研究人员将Methsig应用于另一组CLL样品，并使用其推断来预测个体患者癌症的侵袭性。

“我们使用Methsig开发的分类器为每位患者产生了估计的风险，我们发现估计较高风险的患者更容易出现更糟糕的结果，”HRH王子王子阿尔瓦莱德的高级研究助理致辞Bin Talal Bin Abdulaziz Al-Saud康奈尔医学院的计算生物医学研究所，他在研究中进行了大部分实验。

研究人员计划利用更多的癌症数据集和更全面的基因组信息继续使用和改进MethSig算法。

“最终，我们设想能够绘制出癌症驱动的DNA甲基化变化的整个图景瘤兰多博士说:“我们可以把精确医学的范围从遗传学扩展到癌症表观遗传变化的关键层面。”

---

---