新的映射技术揭示了癌症的表观遗传司机

科学家通过鉴定推动疾病的遗传突变，对许多癌症的理解和开发治疗进行了重大进展。现在，由韦尔康德医学的研究人员领导的团队，Newyork-Presbyterian和纽约基因组中心（NYGC）开发了一种机器学习技术，用于检测对具有类似效果的DNA的其他修饰。

该研究，5月10日发布癌症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哪些可能驾驶肿瘤生长。

甲基化是一种“表观遗传”过程，通过改变DNA的结构而不改变基因中所含的信息，通常通过改变所述基因组来调节基因活性。然而，偶尔，过量甲基化，称为高甲基化，在a附近发生肿瘤抑制基因，沉默基因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生长“在某些癌症中，”高级作者Dan Landa博士，血液学和医学肿瘤科学副教授丹兰德副教授以及卫生康奈尔医学的桑德拉和爱德华梅尔癌中心。“然后我们可以使用该信息改善我们对癌症起源的理解，以及优化个体患者的治疗。“

通过新技术解决的挑战类似于一个癌症研究人员，研究人员对DNA突变 - 如何区分“驾驶员”突变从对癌症没有影响的更丰富的“乘客”突变。虽然现在具有复杂的方法来实现区别基因突变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来自不同肿瘤类型的DNA甲基化图，发现它推断了少数癌症驾驶员事件 - 在每种肿瘤中，在每种肿瘤中的中值 - 与数千种乘用甲基化变化相比。推断司机甲基化的模式在患者和肿瘤类型中一致，以及其他统计特征，表明算法与现有方法相比表现的算法的非增量增加。

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。

研究人员计划继续使用更多的癌症数据集和更全面的基因组信息使用和改善甲基粒算法。

“最终，我们设想能够映射癌症驾驶DNA甲基化变化的整个景观，不同瘤类型和在不同治疗的背景下，使我们可以扩大遗传学超出遗传学的精密药物的范围，包括癌症癌症癌症变化的关键维度“。

---

---