Исследователи из компании Genentech и Стэнфордского университета выявили 776 геномных изменений, связанных с результатами выживания при использовании специфических иммунотерапий, химиотерапий или таргетных терапий.
Команда провела комплексный анализ 78 287 пациентов с раком в США с детальным профилированием соматических мутаций, интегрированным с данными о лечении и результатах, извлеченными из электронных медицинских записей. Они также использовали данные для создания модели машинного обучения для прогнозирования ответа на иммунотерапию при одном типе рака легких.
Исследование опубликовано в журнале Nature Communications и было возглавлено Руйшаном Лиу, доктором философии, из кафедры электротехники Стэнфордского университета. Они добавили: «Применение секвенирования следующего поколения (NGS) произвело революцию в профилировании геномов, сделав его бесценным инструментом в лечении рака. Однако, несмотря на обширные данные о мутациях, лишь ограниченное количество из них связано с подтвержденными методами лечения».
Большинство этих находок являются единичными случаями для конкретных типов рака. В эпоху геномики следует ожидать большего от клинико-геномных исследований и масштабных баз данных. Но, как отметили исследователи, существует все больше доказательств того, что крупномасштабные данные клинико-геномики из реальной практики могут выявлять полезные биомаркеры ответа на лечение рака. -
В текущем исследовании команда использовала более широкую, обновленную версию этого набора данных, с полутора годами дополнительных данных и наблюдения за пациентами, охватывающую 12 дополнительных типов рака (20 против 8 ранее) и большее количество пациентов (78 287 против 40 903 ранее).
С помощью этих данных они исследовали связь мутаций в конкретных генах с общей выживаемостью (OS) — определяемой как продолжительность между диагнозом рака и смертью — по 20 типам рака. Они идентифицировали 95 генов, которые значительно связаны с выживаемостью хотя бы в одном из исследуемых типов рака. Например, мутации в TP53, CDKN2A и CDKN2B были связаны с худшей общей выживаемостью у пациентов по большинству типов рака — это совпадает с работами других групп.
Наконец, они использовали статистические методы для поиска конкретных мутаций генов, которые могут повлиять на результаты лечения, и нашли 776 взаимодействий «ген-лечение», связанных с выживаемостью при определенных методах лечения. Эти результаты были согласованы с их предыдущим меньшим исследованием. Они пишут: «Изучая мутационные профили опухолей пациентов, истории лечения и результаты выживаемости, мы характеризуем соматические геномные изменения, которые значительно предсказывают выживаемость пациентов при определенных иммунотерапиях, химиотерапиях или таргетных терапиях».
Команда добавила: «Современные исследования подчеркивают мощные возможности данных из реальной практики, особенно тех, что извлечены из электронных медицинских записей (EHR), в определении влияния лечения, эмуляции контрольных групп для отдельных клинических испытаний и уточнении критериев приемлемости для онкологических испытаний».
«Это исследование демонстрирует, как вычислительная разборка крупномасштабных данных из реальной практики может продвинуть прецизионную онкологию вперед, предлагая полезные инсайты как в динамике «ген-лечение», так и в динамике «путь-лечение» в онкологии».
Команда провела комплексный анализ 78 287 пациентов с раком в США с детальным профилированием соматических мутаций, интегрированным с данными о лечении и результатах, извлеченными из электронных медицинских записей. Они также использовали данные для создания модели машинного обучения для прогнозирования ответа на иммунотерапию при одном типе рака легких.
Исследование опубликовано в журнале Nature Communications и было возглавлено Руйшаном Лиу, доктором философии, из кафедры электротехники Стэнфордского университета. Они добавили: «Применение секвенирования следующего поколения (NGS) произвело революцию в профилировании геномов, сделав его бесценным инструментом в лечении рака. Однако, несмотря на обширные данные о мутациях, лишь ограниченное количество из них связано с подтвержденными методами лечения».
Большинство этих находок являются единичными случаями для конкретных типов рака. В эпоху геномики следует ожидать большего от клинико-геномных исследований и масштабных баз данных. Но, как отметили исследователи, существует все больше доказательств того, что крупномасштабные данные клинико-геномики из реальной практики могут выявлять полезные биомаркеры ответа на лечение рака. -
- Например, используя когорт 40 903 пациентов, эти исследователи ранее выявили 458 статистически значимых взаимодействий «ген-лечение» в восьми распространенных типах рака (Лиу и др., 2022).
В текущем исследовании команда использовала более широкую, обновленную версию этого набора данных, с полутора годами дополнительных данных и наблюдения за пациентами, охватывающую 12 дополнительных типов рака (20 против 8 ранее) и большее количество пациентов (78 287 против 40 903 ранее).
- Данные были получены из базы данных клинико-геномики Flatiron Health-Foundation Medicine (FH-FMI CGDB), основанной в США и анонимизированной. Эти данные были собраны из ~280 онкологических клиник США.
- Набор данных включает информацию о пациентах с: прогрессирующим немелкоклеточным раком легких, метастатическим раком молочной железы, метастатическим колоректальным раком, метастатическим раком поджелудочной железы, раком яичников, метастатическим раком простаты, раком желудка, прогрессирующим меланомой, прогрессирующим раком мочевого пузыря, эндометриальным карциномой, метастатической опухолью почек, раком головы и шеи, мелкоклеточным раком легких, множественной миеломой, острым миелоидным лейкозом, гепатоцеллюлярной карциномой, диффузной крупноклеточной В-клеточной лимфомой, хроническим лимфоцитарным лейкозом, фолликулярной лимфомой и лимфомой мантии.
С помощью этих данных они исследовали связь мутаций в конкретных генах с общей выживаемостью (OS) — определяемой как продолжительность между диагнозом рака и смертью — по 20 типам рака. Они идентифицировали 95 генов, которые значительно связаны с выживаемостью хотя бы в одном из исследуемых типов рака. Например, мутации в TP53, CDKN2A и CDKN2B были связаны с худшей общей выживаемостью у пациентов по большинству типов рака — это совпадает с работами других групп.
Наконец, они использовали статистические методы для поиска конкретных мутаций генов, которые могут повлиять на результаты лечения, и нашли 776 взаимодействий «ген-лечение», связанных с выживаемостью при определенных методах лечения. Эти результаты были согласованы с их предыдущим меньшим исследованием. Они пишут: «Изучая мутационные профили опухолей пациентов, истории лечения и результаты выживаемости, мы характеризуем соматические геномные изменения, которые значительно предсказывают выживаемость пациентов при определенных иммунотерапиях, химиотерапиях или таргетных терапиях».
Команда добавила: «Современные исследования подчеркивают мощные возможности данных из реальной практики, особенно тех, что извлечены из электронных медицинских записей (EHR), в определении влияния лечения, эмуляции контрольных групп для отдельных клинических испытаний и уточнении критериев приемлемости для онкологических испытаний».
«Это исследование демонстрирует, как вычислительная разборка крупномасштабных данных из реальной практики может продвинуть прецизионную онкологию вперед, предлагая полезные инсайты как в динамике «ген-лечение», так и в динамике «путь-лечение» в онкологии».
