根据纽约大学朗格尼健康中心及其珀尔马特癌症中心领导的一项新研究,从肺肿瘤附近看似健康的组织中收集的遗传信息可能比分析肿瘤本身更能预测癌症治疗后是否会复发。
健康组织RNA预测肺癌复发的准确率为83%。
这项研究包括147名早期肺癌患者。
这一发现可能会彻底改变早期癌症治疗和生物标志物鉴定。
这项新研究的重点是肺腺癌,这是一种在肺泡上皮细胞中形成的癌症,根据美国疾病控制和预防中心的数据,它占美国所有肺癌的三分之一左右。如果在疾病进展的早期通过手术切除肿瘤,大多数患者都能治愈,但在大约30%的病例中,残留的癌细胞会重新生长,并可能导致死亡。因此,专家们长期以来一直在寻找可能促使更积极的初始治疗的生物标志物或复发预测因子。
这项研究包括147名接受早期肺癌治疗的男性和女性。它探索了转录组的实用价值,转录组是一整套告诉细胞制造什么蛋白质的RNA分子。分析从肿瘤细胞附近的健康组织中收集的RNA,可以准确预测癌症复发的概率为83%,而来自肿瘤本身的RNA只能提供63%的信息。
“我们的研究结果表明,表面上健康组织中的基因表达模式可能作为一种有效的生物标志物,直到现在还难以捉摸,可以帮助预测肺癌早期复发,”该研究的共同主要作者Igor Dolgalev博士说。
研究今天(11月8日)发表在《Nature Communications》杂志的网络版上,是迄今为止规模最大的研究,比较了肿瘤和邻近组织的遗传物质及其预测复发的能力。
在这项研究中,研究小组从肺癌患者身上收集了近300个肿瘤和健康组织样本。研究人员随后对每个样本的RNA进行测序,并将这些数据连同手术五年内是否复发一起输入人工智能算法。该程序使用了一种称为“机器学习”的技术来建立数学模型,以估计复发风险。
研究结果显示,在邻近的、明显正常的肺组织中,与炎症或免疫系统活动增强相关的基因表达,对预测特别有用。该研究的作者说,这种防御反应不应该出现在真正健康的组织中,这可能是疾病的早期预警信号。
“我们的研究结果表明,靠近肿瘤的看似正常的组织可能根本不健康,”该研究的主要作者之一、纽约大学格罗斯曼分校的生物信息学家、珀尔马特癌症中心成员Hua Zhou博士说。“相反,逃逸的肿瘤细胞可能会在它们的邻居中引发这种意想不到的免疫反应。”
该研究的资深作者、癌症生物学家Aristotelis Tsirigos博士补充说:“免疫疗法可以增强人体的免疫防御能力,因此可能有助于在传统检测方法发现肿瘤之前对抗肿瘤的生长。”
纽约大学格罗斯曼分校病理学系教授、珀尔马特癌症中心(Perlmutter Cancer Center)成员Tsirigos警告说,这项调查是反向进行的,使用已知的疾病复发病例来训练计算机程序。
作为NYU Langone应用生物信息学实验室的主任,Tsirigos说,因此,研究小组下一步计划使用该项目对新治疗的早期肺癌患者的复发风险进行前瞻性评估。
参考文献:
Inflammation in the tumor-adjacent lung as a predictor of clinical outcome in lung adenocarcinoma