纽约(基因组网)——加拿大研究人员发布了一种方法的最新原理证明，他们认为这将有助于提高用于早期癌症检测的甲基化特异性测序测试的准确性并降低成本。
玛格丽特公主癌症中心和多伦多大学的研究人员认为，他们的方法被称为cfMeDIP-Seq(无细胞甲基化DNA免疫沉淀和高通量测序)，他们发现了一种独特的方法，不仅适用于序列分析，而且适用于更基本的技术层面。
尽管现在有许多学术团体和公司计划在这方面开展临床试验，但到目前为止，许多工作都依赖于亚硫酸氢盐转化方法，这是表观遗传测序的主要方法。各种组织都试图根据分析结果数据的方法和训练算法来区分自己，这些训练算法可以从非癌症病例中区分出癌症病例。
玛格丽特公主癌症中心的高级科学家Daniel De Carvalho是这项研究的主要作者发表在自然上周，他说，甲基化为液体活检解决的问题——草堆里的针，或者由癌症复发突变的稀缺和它们与背景正常DNA相比的低水平所带来的信号到噪声问题——讽刺地再次浮出水面，因为传统的基于亚硫酸盐的测序方法的本质。
“亚硫酸氢盐转化是组织中的黄金标准，”他说。“但这是一种化学修饰，你会破坏(大量)DNA。”
他说，这对组织来说不是问题，因为你的样本中含有大量的肿瘤细胞。但是在血液样本中，特别是在你试图寻找隐匿癌症的第一个迹象的血液样本中，你只有很少的宝贵的肿瘤DNA。
De Carvalho说，第二个问题是每当亚硫酸氢盐转化失败时，就会产生噪声。你可以通过更苛刻的处理来减少这种情况，但这样会损失更多的DNA，所以你要在减少背景噪声和保持灵敏度之间做出权衡。
他和他的同事们的方法还解决了一个更基本的问题，即大多数基因组DNA对甲基化分析是无用的，因为它没有任何CpG位点，这浪费了读取并增加了成本。
德·卡瓦略说:“你花了很多钱却得到了很少的东西。”因此，虽然全基因组亚硫酸氢盐测序被Grail等公司用于发现工作，但其中涉及的成本和效率挑战让其他组织和公司感到困惑专注于识别预定义的表观遗传特征，可以用PCR进行分析。
cfMeDIP-seq方法是在现有低输入的MeDIP-seq协议基础上优化而成，保留了测序的开放性，避免了PCR的预确定，同时通过富集cpg丰富片段的样本降低了成本，提高了灵敏度。
据De Carvalho介绍，这项新研究的主要进展是利用血液样本中存在的低DNA容量来进行CPG位点的免疫沉淀。这使得他们可以提取所有的甲基化DNA，留下其余的基因组，然后更有效地进行测序。
他说，由于该技术适用于低投入的样本，而且与全基因组亚硫酸氢盐测序相比成本较低，你可以在生物银行的样本上执行该技术，很多样本都是如此。这就是他和他的同事在他们的研究中所做的，使用机器学习生成一个分类器，可以区分癌症样本和非癌症样本。
他说，重要的是，从血液样本本身生成分类器，似乎比使用从肿瘤组织数据集中收集的甲基化信号更准确地预测癌症，以前的一些测试已经做到了这一点。
在这项研究中，多伦多研究小组进行了一系列实验，表明他们的方法可以检测到甲基化模式，从而将患有癌症的人和没有患癌症的人区分开，其中包括对24名早期胰腺癌患者和健康对照组的研究，以及对来自7种肿瘤类型的388个样本的另一项检查。
在对测试样本集进行训练，然后将得到的分类器应用到这个多癌症队列的单独验证集之后，作者报告说，在区分AML时，他们可以实现接收者操作曲线下的面积达到0.98，在区分胰腺癌时达到0.92，在区分肺癌时达到0.97，在挑选健康对照时达到0.96。
作者补充说:“值得注意的是，早期和晚期样本的表现相似，这表明该方法适用于早期癌症的检测。”
展望未来，De Carvalho表示，该组织对与其他学术团体和商业实体的合作持开放态度，但尚未宣布任何具体的下一步行动。
在研究方面，他说该团队计划通过对来自大型健康研究队列的人口数据的分析来跟进当前的研究，这将为未来的前瞻性验证提供一个桥梁。
他说:“因为我们可以在低投入的情况下做到这一点，而且成本效益更高，我们可以从对数十万人进行了多年跟踪调查的研究中获取这些样本。”“我们知道哪些人患上了癌症，哪些人没有，我们可以在他们被诊断出癌症之前测试样本，”以帮助进一步细化分类器的特异性。