Дослідники розробили нову шкалу для прогнозування ризику раку печінки
Дослідники під керівництвом Сянь-Ян Ціня із Центру інтегративної медицини RIKEN (IMS) у Японії розробили шкалу, яка прогнозує ризик розвитку раку печінки. Дослідження, опубліковане в науковому журналі Proceedings of the National Academy of Sciences, встановлює, що білок MYCN стимулює розвиток пухлин печінки, зокрема пухлин, що зустрічаються у найбільш смертоносному підтипі раку печінки. У дослідженні описується мікрооточення генів, що забезпечують надекспресію MYCN, та представлений алгоритм машинного навчання, який використовує ці дані для прогнозування ймовірності розвитку пухлин у здоровій печінці.
Рак печінки, або гепатоцелюлярна карцинома, щорічно забирає життя понад 800 000 людей у всьому світі. Рівень смертності дуже високий, оскільки рак часто залишається непоміченим до пізніх стадій, а частота рецидивів становить від 70 до 80%. В надії знайти такий необхідний метод точного прогнозування ризику розвитку пухлин у печінці, Цинь та його команда вивчали білок MYCN.
Ген MYCN визнаний фактором, що сприяє розвитку раку печінки, що виникає з пошкодженої печінки, але точний механізм цього процесу залишався незрозумілим. Дослідники припустили, що якщо його надмірна експресія безпосередньо призводить до пухлиноутворення в печінці, то він стане ідеальним кандидатом як біомаркер і для подальших досліджень. Щоб перевірити свою теорію, команда спочатку використовувала систему транспозонів на основі гідродинамічної ін'єкції хвостову вену для введення MYCN (транспозону) в геном печінки миші. Тепер вони мали печінку миші, у якій спостерігалася надмірна експресія MYCN .
Команда виявила, що при використанні системи для надмірної експресії MYCN з постійно активним AKT у 72% мишей протягом 50 днів розвинулися пухлини печінки. Різні тести показали, що ці пухлини мали всі характеристики людської гепатоцелюлярної карциноми. Пухлини не розвивалися при надмірній експресії одного чи іншого з цих генів окремо.
Розуміння того, як ранні мікросередовищні сигнали запускають розвиток пухлин печінки, має вирішальне значення для розробки способів протидії цьому процесу. Для характеристики мікросередовища дослідники звернулися до просторової транскриптоміки. Цей метод показує, які гени активуються у тканині і де саме у тканині відбувається ця активність. У мишачій моделі раку печінки, пов'язаного з метаболічною дисфункцією, дослідники використовували цей метод для вивчення експресії генів у часі та за місцем розташування з розвитком пухлин печінки, зосередившись на місцях, де збільшувався рівень MYCN. Вони виявили кластер із 167 генів, які диференційно експресувалися у вільних від пухлин ділянках печінки з підвищеним рівнем MYCN. Вони назвали цей кластер "нішою MYCN".
На основі даних просторової транскриптоміки мишей дослідники розробили модель машинного навчання, яка може приймати характеристики заданого патерну експресії генів і видавати оцінку, що вказує, чи він відповідає ніші MYCN. Модель робить це з точністю 93%.
Потім оцінка ніші MYCN була розрахована для наборів даних гепатоцелюлярної карциноми людини. Пацієнти з вищими показниками ніші MYCN демонстрували більший ризик рецидиву пухлини та найгірші клінічні результати. Цей взаємозв'язок був сильнішим, коли оцінка була отримана з неракової тканини, ніж з пухлинної. Таким чином, оцінка є експериментальним просторовим біомаркером, який прогнозує прогноз на основі мікрооточення, що сприяє утворенню пухлини.
«Ми розробили клінічно застосовну стратегію для виявлення пацієнтів високого ризику шляхом профілювання експресії генів у неракових тканинах печінки. Інтегруючи просторову транскриптоміку з машинним навчанням, ми створили показник ніші MYCN, який прогнозує ризик рецидиву та виявляє передракові мікросередовища, схильні до розвитку нових пухлин печінки.
У майбутньому ми плануємо детальніше вивчити біологічні механізми, відображені в отриманих за допомогою машинного навчання показниках просторових характеристик, та визначити, як створюються та підтримуються сприятливі для розвитку раку середовища», - Сянь-Ян Цінь, Центр інтегративних медичних наук RIKEN
Джерело: RIKEN