Jeszcze kilka lat temu podstawą rozpoznawania nowotworów była przede wszystkim ocena mikroskopowa tkanek oraz analiza wybranych mutacji genetycznych. Dziś naukowcy z całego świata dążą do większej personalizacji diagnostyki, coraz częściej wskazując, że kluczowe znaczenie może mieć w niej nie sama sekwencja DNA, lecz zmiany epigenetyczne wpływające na aktywność genów.

Kierunek ten widać także w praktyce klinicznej - w ostatnich latach Światowa Organizacja Zdrowia coraz szerzej uwzględnia w klasyfikacji guzów ośrodkowego układu nerwowego markery molekularne, w tym wzorce metylacji DNA, które pozwalają różnicować typy nowotworów lepiej niż klasyczna histopatologia.

W swoim najnowszym badaniu naukowcy z Pomorskiego Uniwersytetu Medycznego w Szczecinie opracowali i przetestowali zupełnie nowy system oparty na profilach metylacji. Dzięki wykorzystaniu technik uczenia maszynowego może on rozróżnić blisko 50 typów guzów różnych narządów.

Badanie, którego wyniki opublikowano w czasopiśmie „Genome Medicine”, objęło dane pochodzące od prawie 17 tys. pacjentów. Jak powiedział PAP jego główny autor, kierownik Samodzielnej Pracowni Epigenetyki Klinicznej PUM prof. dr hab. Tomasz Wojdacz, rozwiązanie to może istotnie zmienić podejście do diagnostyki chorób onkologicznych.

- Metylacja DNA to jeden z podstawowych mechanizmów regulacji genów. Polega na dołączaniu grup metylowych do wybranych fragmentów genomu. Nie zmienia to samej sekwencji DNA, lecz wpływa na to, które geny są aktywne, a które wyciszone. W zdrowych komórkach proces ten jest ściśle kontrolowany i odpowiada za prawidłowe funkcjonowanie tkanek. W nowotworach ulega jednak rozregulowaniu, prowadząc do nieprawidłowej aktywacji lub dezaktywacji genów - wyjaśnił naukowiec.

- Innymi słowy: genetyka określa, jak gen jest zapisany; epigenetyka, jak gen działa - dodał.

Jak przypomniał, przez lata zakładano, że główną przyczyną nowotworów są mutacje DNA. Jednak wraz z rozwojem sekwencjonowania okazało się, że w wielu przypadkach nie tłumaczą one w pełni mechanizmu powstawania choroby. Każdy nowotwór ma natomiast bardzo specyficzne zmiany metylacji, określane mianem profilu metylacji lub „odcisku palca”.

- Okazało się, że te zmiany są tak specyficzne dla nowotworów, że można je bardzo precyzyjnie wykorzystać do ich klasyfikacji - powiedział prof. Wojdacz.

Aby stworzyć profil metylacji, badacze analizują nawet do miliona miejsc w genomie, z których wybierają ok. 1500 najbardziej charakterystycznych zmian. To właśnie one stanowią podstawę modeli uczenia maszynowego.

Jednak dotychczasowe modele oparte na takich danych często osiągały bardzo dobre wyniki wyłącznie w warunkach badawczych, dużo gorzej sprawdzając się w praktyce klinicznej. Przy analizie nowych, niezależnych próbek ich skuteczność była wyraźnie niższa, m.in. ze względu na różnice między danymi i błędy metodologiczne pojawiające się na etapie uczenia.

Dlatego naukowcy z PUM postanowili opracować rozwiązanie bardziej odporne na takie błędy. Stworzony przez siebie model trenowali na danych obejmujących ok. 17 tys. pacjentów. Nie ograniczyli się także do jednego narządu, ale rozszerzyli analizę na choroby wielu lokalizacji.

Testy potwierdziły, że system wykazywał wysoką skuteczność dla niemal 50 różnych typów nowotworów, od guzów mózgu po te w obrębie trzustki oraz płuc. Co ważne, dobrze radził sobie także w przypadku rzeczywistych próbek klinicznych. Prof. Wojdacz zaznaczył jednak, że w przypadku niektórych bardzo rzadkich typów raka jego skuteczność była niższa ze względu na mniejszą liczbę dostępnych danych.

- Jeśli mamy mało próbek, model będzie się mylił częściej. Ale problemem nie jest sama metoda, tylko dostęp do danych treningowych - podkreślił.

Choć badacz wyjaśnił, że rozwiązanie ma na razie charakter naukowy i nie jest jeszcze certyfikowanym testem diagnostycznym, jego potencjał jest duży. Zdaniem naukowca tego typu metody w przyszłości mogą znaleźć zastosowanie w diagnostyce onkologicznej, oferując bardziej szczegółową i szybszą klasyfikację.

- Będą zdecydowanie szybsze, ponieważ klasyczna histopatologia wymaga oceny preparatów przez lekarza patomorfologa, natomiast analiza metylacji w dużym stopniu przebiega automatycznie. Od momentu pobrania próbki możemy mieć diagnozę w ciągu jednego dnia - zaznaczył.

Katarzyna Czechowicz (PAP)

kap/ zan/