赫尔辛基大学的一篇新论文今天发表在自然通讯,提出了一种准确分析癌症档案活检中基因组数据的方法。该工具使用机器学习方法来纠正受损的DNA,并揭示肿瘤样本中的真实突变过程。这有助于在数百万个档案癌症样本中解锁巨大的药物价值。
基于分子的诊断有助于将合适的患者与合适的患者相匹配癌症治疗。研究人员对临床癌症样本中的DNA分析特别感兴趣。
“由于DNA质量差,这种宝贵的来源目前没有用于分子诊断。福尔马林会对dna造成严重损伤,因此对分析提出了不可避免的挑战癌症基因组来自赫尔辛基大学的主要作者郭庆利说。
分析癌症基因组的突变过程可以帮助早期癌症检测,准确诊断癌症,并揭示为什么一些癌症对治疗产生耐药性。这种新方法可以极大地加速临床应用的发展,从而直接影响未来的癌症病人护理.
这种新方法预测了90%以上的癌症发展过程
主要作者Qingli Guo与伦敦癌症研究所(ICR)和伦敦玛丽女王大学的科学家密切合作,开发了名为FFPEsig的机器学习方法,以揭示福尔马林是如何突变DNA的。
“我们的研究结果表明,通常情况下,如果没有噪声校正,近一半的癌症过程将被忽略。然而,使用FFPEsig, 90%以上的预测是准确的,”Qingli说。
癌症是逐渐演变的。分析纵向样本中的突变过程有助于确定临床信息性预测因子,并对每个肿瘤分期进行诊断。
“我们的发现能够从保存在室温下数十年的肿瘤活检中表征临床相关特征。随着对福尔马林如何影响癌症基因组的深入了解,我们的研究为利用大量具有成本效益的档案样本改造开发的特征检测分析提供了巨大的机会,”研究人员说。
研究人员指出,目前该方法还不能完全去除FFPE样本中出现的显示批量效应的伪影,而且该工具的表现因癌症类型而异,因此必须小心解释任何发现。他们也有兴趣在未来将他们的方法进一步应用到更广泛的档案样本中。
更多信息:郭庆利等,福尔马林固定对人类基因组的突变特征,
自然通讯(2022)。
DOI: 10.1038 / s41467 - 022 - 32041 - 5
引用:研究人员使用机器学习解锁临床癌症样本中的基因组代码(2022年9月6日),检索自2022年12月17日//www.pyrotek-europe.com/news/2022-09-machine-genomic-code-clinical-cancer.html
这份文件受版权保护。除为私人学习或研究目的而进行的公平交易外,未经书面许可,不得转载任何部分。内容仅供参考之用。