腫瘤的正確診斷對于后期治療至關(guān)重要。在過(guò)去的一個(gè)世紀中，CNS腫瘤的分類(lèi)主要是依據對組織發(fā)生的認識，人們可以根據腫瘤與某種起源細胞的相似性和推定的分化水平對其進(jìn)行分類(lèi)。一般而言，組織學(xué)上的特征主要取決于顯微鏡下蘇木精-伊紅染色特征、相關(guān)蛋白的免疫組織化學(xué)表達以及超微結構的特點(diǎn)【1】。
2016年版世界衛生組織(WHO)中樞神經(jīng)系統腫瘤分類(lèi)相對于2007版，首次在組織學(xué)的基礎上使用分子學(xué)的特征來(lái)進(jìn)行腫瘤分類(lèi)，從而為分子時(shí)代CNS腫瘤診斷構建了一個(gè)新的概念【2】。然而在已知的近100多種中樞神經(jīng)系統腫瘤（central nervous system tumor,CNS tumor，簡(jiǎn)稱(chēng)“CNS腫瘤”）中，相關(guān)標準化的診斷面臨很大的挑戰。
3月14日，Nature雜志以長(cháng)文形式發(fā)表了德國海德堡大學(xué)醫院、德國癌癥研究中心等單位上百名科學(xué)家聯(lián)合完成的題為“DNA methylation-based classification of central nervous system tumours”的論文，研究發(fā)現基于DNA甲基化數據的分析可以改善腦腫瘤的診斷。
近年來(lái)，腫瘤表觀(guān)遺傳學(xué)領(lǐng)域的快速發(fā)展，為腫瘤診斷分型提供了一種可靠、有效的方法【3,4】。盡管此前也有部分關(guān)于運用DNA甲基化的分析對某些CNS腫瘤進(jìn)行分型的報道【5-7】，但是最新的這項研究卻是對于所有CNS腫瘤進(jìn)行系統的基于DNA甲基化檢測分析的分型研究，具有重要的應用價(jià)值。
為了高效、迅速的對CNS腫瘤進(jìn)行分類(lèi)，研究人員開(kāi)發(fā)了一個(gè)機器學(xué)習程序，它可以對甲基化數據進(jìn)行分類(lèi)。開(kāi)發(fā)出來(lái)的程序經(jīng)過(guò)訓練后，可以使用甲基化指紋鑒定91種腫瘤（82種CNS腫瘤，9種對照樣本。下圖）。
訓練采用的參照數據來(lái)自約2800名癌癥患者。作者在1104例已經(jīng)經(jīng)過(guò)人工檢查的中樞神經(jīng)系統腫瘤上進(jìn)行了測試，發(fā)現有12%例存在誤診。該程序不僅可以提高診斷準確率，而且它的客觀(guān)性還使之可以如實(shí)鑒定出新型罕見(jiàn)腫瘤——人工檢查時(shí)，會(huì )有根據已知腫瘤類(lèi)型進(jìn)行診斷的壓力，甚至在非典型病例中也是如此。
為了讓這種新方法得到廣泛應用，作者生成了一款免費在線(xiàn)工具（Molecular Neuropathology 2.0; http://www.kitz-heidelberg.de/molecular-diagnostics），可以在區區幾分鐘內分析上傳的數據。自2016年12月上線(xiàn)以來(lái)，該工具已被使用逾4500次，用戶(hù)可以選擇分享他們的數據，以便進(jìn)一步優(yōu)化算法。作者總結表示，將甲基化指紋與腦腫瘤自動(dòng)分類(lèi)器整合起來(lái)還可以為創(chuàng )造類(lèi)似的腫瘤分類(lèi)算法用于診斷其它癌癥類(lèi)型提供一個(gè)藍圖。
參考文獻：
1、王凱, 張姝, 施露, 王鑫, 艾林, & 戴建平. (2016). 2016 年世界衛生組織中樞神經(jīng)系統腫瘤分類(lèi)概述. 磁共振成像, 7(12), 881-896.
2、Louis, D. N., Ohgaki, H., Wiestler, O. D. & Cavenee, W. K. WHO Classification of Tumours of the Central Nervous System revised 4th edn (IARC, 2016).
3、Fernandez, A. F. et al. A DNA methylation fingerprint of 1628 human samples. Genome Res. 22, 407–419 (2012).
4、Hovestadt, V. et al. Decoding the regulatory landscape of medulloblastoma using DNA methylation sequencing. Nature 510, 537–541 (2014).
5、Moran, S. et al. Epigenetic profiling to classify cancer of unknown primary:a multicentre, retrospective analysis. Lancet Oncol. 17, 1386–1395(2016).
6. Hovestadt, V. et al. Robust molecular subgrouping and copy-number profiling of medulloblastoma from small amounts of archival tumour material using high-density DNA methylation arrays. Acta Neuropathol. 125, 913–916(2013).
7、Sturm, D. et al. Hotspot mutations in H3F3A and IDH1 define distinct epigenetic and biological subgroups of glioblastoma. Cancer Cell 22, 425–437(2012).
合作咨詢(xún)
肖女士
021-33392297
Kelly.Xiao@imsinoexpo.com
2006-2025 上海博華國際展覽有限公司版權所有（保留一切權利）
滬ICP備05034851號-57
