Avancement du diagnostic du cancer : Modèle intégré utilisant des caractéristiques génomiques et épigénomiques pour une détection précise basée sur l'ADNcf.

Selon les statistiques, le cancer est la principale cause de décès chez les patients de moins de 70 ans. Plus le cancer est diagnostiqué et traité tôt, meilleur sera le pronostic et le taux de survie des patients. Par conséquent, améliorer l'efficacité et la précision de la détection précoce du cancer est crucial pour la survie des patients atteints de cancer. Ces dernières années, la technologie de dépistage du cancer non invasive basée sur l'ADN libre circulant (cfDNA) a connu un développement rapide, et son application dans la détection précoce et la traçabilité de nombreux cancers est prometteuse.

Séquençage du génome entier (SGE) la détection de cancers de novo en raison d'une faible confiance dans appel de mutation ab initio de cfDNA et un filtrage inexact. De plus, les caractéristiques épigénomiques associées aux tumeurs n'ont pas été pleinement explorées à travers le génome et n'ont pas été utilisées pour la détection multi-tumorale de l'ADNcf.

Séquençage de l'ADN circulant dans le diagnostic du cancer

Un article récent intitulé "Modélisation intégrative des génomes tumoraux et des épigénomes pour un diagnostic du cancer amélioré par l'ADN libre" utilise des algorithmes avancés d'intelligence artificielle (IA) pour analyser la densité et le motif de mutation de l'ADNcf et des épigénomes, afin d'obtenir une précision supérieure dans la détection précoce du cancer et la localisation histogénique.

L'équipe a d'abord réalisé un séquençage du génome entier de cfDNA, générant un ensemble de données d'entraînement/validation contenant 3 366 échantillons avec une profondeur de séquençage moyenne de 5× et 2,5× sur les plateformes de séquençage MGI et Illumina, respectivement. Le modèle génomique a intégré des données de cfDNA de référence à grande échelle provenant de cohortes saines et des données de mutation de tissu tumoral du projet PCAWG, utilisant la distribution des mutations comme caractéristiques du modèle ; le modèle épigénomique a intégré le séquençage accessible aux transposases et le séquençage de la chromatine (ATAC-seq) pour une cartographie chromatinienne à l'échelle du génome pan-cancer, utilisant l'organisation de la chromatine comme caractéristiques du modèle. Pour le modèle épigénomique, l'équipe a identifié des NDRs spécifiques aux tissus (régions de délétion de nucléosomes) en traitant les données ATAC-seq de 431 échantillons dans des bases de données publiques pour analyser les motifs de délétion de cfDNA spécifiques aux types de cancer.

Modélisation intégrative des génomes et épigénomes tumoraux pour un diagnostic du cancer amélioré par l'ADN libre. (Bae et al., 2023)

Conclusion

L'équipe a démontré l'intégration d'un ensemble de données de référence à grande échelle pour améliorer la sensibilité de la détection du cancer ; deuxièmement, la découverte de caractéristiques génomiques et épigénomiques efficaces pour le diagnostic du cancer basé sur l'ADN circulant (cfDNA) ; et la construction de modèles génomiques, de modèles épigénomiques et de modèles combinatoires basés sur ces caractéristiques. La sensibilité du modèle combiné pour détecter les cancers à un stade précoce (y compris le cancer du pancréas) était comparable à celle des cancers à un stade avancé. Cette étude a examiné la pertinence de ces caractéristiques pour la biologie tumorale du point de vue des caractéristiques génétiques et épigénétiques du cancer, et a jeté les bases d'un diagnostic précis du cancer basé sur l'ADN circulant, en particulier aux stades précoces.

Amélioration de la sensibilité par l'intégration de jeux de données de référence

Pour améliorer la sensibilité de la détection du cancer, l'équipe de recherche a entrepris d'intégrer un ensemble de données de référence complet dans son analyse. En incorporant un ensemble de données à grande échelle, elle a élargi le champ des caractéristiques génétiques et épigénétiques disponibles pour la comparaison et l'identification. Cette intégration a permis une évaluation plus nuancée et précise des profils de cfDNA, augmentant ainsi la sensibilité de la détection du cancer à différents stades.

Révélation des caractéristiques génomiques et épigénomiques efficaces

La percée de l'étude réside dans la découverte de caractéristiques génomiques et épigénomiques spécifiques qui s'avèrent efficaces pour le diagnostic du cancer basé sur l'ADNcf. Grâce à une analyse minutieuse, les chercheurs ont identifié des mutations génétiques et des modifications épigénétiques fortement corrélées à différents types de cancers. Ces caractéristiques ont fourni des informations précieuses sur la biologie tumorale sous-jacente et ont servi d'indicateurs cruciaux pour la détection précoce du cancer, y compris des types notoirement difficiles comme le cancer du pancréas.

Construction de modèles complets

S'appuyant sur les caractéristiques génomiques et épigénomiques découvertes, l'équipe de recherche a construit des modèles génomiques, des modèles épigénomiques et des modèles combinatoires. Ces modèles ont exploité la puissance des algorithmes d'apprentissage automatique pour intégrer et interpréter la vaste gamme de données génétiques et épigénétiques. En combinant plusieurs caractéristiques en modèles complets, les chercheurs ont atteint des niveaux de sensibilité remarquables pour la détection du cancer à la fois au stade précoce et au stade avancé.

Pertinence à la biologie tumorale et au diagnostic précoce

Cette étude améliore non seulement la précision de la détection du cancer, mais met également en évidence l'importance des caractéristiques identifiées pour comprendre la biologie des tumeurs. Les altérations génétiques et épigénétiques révélées par l'analyse de l'ADN circulant fournissent des informations précieuses sur les mécanismes moléculaires sous-jacents au développement et à la progression du cancer. De plus, l'accent mis par l'étude sur la détection précoce du cancer démontre son potentiel à révolutionner le diagnostic et à améliorer les résultats pour les patients en permettant des interventions au stade le plus précoce possible.

Poser les bases de la médecine de précision

L'intégration des caractéristiques génomiques et épigénomiques dans le diagnostic du cancer basé sur l'ADN circulant ouvre de nouvelles voies pour la médecine personnalisée. En déchiffrant les caractéristiques génétiques et épigénétiques uniques de chaque tumeur, les cliniciens peuvent adapter les stratégies de traitement pour cibler des vulnérabilités spécifiques et contourner les mécanismes de résistance. Cette approche révolutionnaire nous rapproche de l'objectif ultime de la médecine de précision : fournir des thérapies ciblées qui maximisent l'efficacité tout en minimisant les effets secondaires.

Référence:

1. Bae, Mingyun, et al. "Modélisation intégrative des génomes et épigénomes tumoraux pour un diagnostic du cancer amélioré par l'ADN libre." Communications Nature 14.1 (2023) : 2017.