Cientistas usam genética para investigar o passado de um tumor

Para pacientes com alguns tipos de câncer, o diagnóstico pode acontecer em um estágio avançado. Enquanto um tumor cresce despercebido, ele acumula centenas a milhares de mutações, tornando difícil para os cientistas que estudam cânceres em estágio avançado descobrir quais contribuíram para o crescimento do tumor nos estágios iniciais do câncer. Saber mais sobre os eventos genéticos que ocorrem durante a progressão para o câncer pode ajudar os cientistas a projetar células e modelos animais mais realistas da doença e até mesmo desenvolver melhores maneiras de detectá-la e tratá-la precocemente.

Agora, uma equipe de pesquisadores de câncer no Broad Institute of MIT e Harvard, Massachusetts General Hospital (MGH) e The Ohio State University mostraram que eles, como arqueólogos que inspecionam artefatos enterrados para reconstruir a história de uma sociedade, podem examinar padrões na genética de um tumor. paisagem para descobrir o seu passado. Eles construíram um abordagem analítica que permite aos pesquisadores reunir a história mutacional de tumores avançados, analisando os exomas dos tumores (as porções codificadoras de proteínas do genoma).

A equipe validou e testou seu método em dados de dois subtipos de cabeça e câncer de pescoço, um relacionado com exposição ao papilomavírus humano (HPV) e outro não. Eles identificaram certos eventos determinantes associados a estágios iniciais da doença que não foram previamente identificados por outras abordagens e outros eventos moleculares importantes que eles vincularam a doenças agressivas. crescimento do tumor. Uma visão mais profunda do passado de um tumor gerada por esse método pode ajudar a orientar novas estratégias para triagem, prevenção e terapêutica de precisão do câncer que se concentram no tumor específico de um paciente.

A tecnologia, chamada NDT Filógicoé descrito em Natureza Câncere está disponível gratuitamente para a comunidade científica.

“Este método deve ser um dos conjuntos de ferramentas em nossa caixa de ferramentas sempre que analisarmos amostras de câncer, juntamente com métodos que procuram assinaturas mutacionais e mutações condutoras”, disse o coautor Gad Getz, que também é diretor do genoma do câncer. análise computacional e membro do instituto no Programa de Câncer do Broad, professor de patologia na Harvard Medical School e Paul C. Zamecnik Chair em Oncologia no MGH Cancer Center.

“A capacidade de reconstruir a ordem dos eventos genéticos usando dados do exoma abre novos caminhos para analisar tipos de tumores que realmente não foram estudados dessa maneira com nenhum tipo de detalhe”, disse o co-primeiro autor Ignaty Leshchiner, membro do Getz lab, que agora é professor associado de medicina computacional na Escola de Medicina da Universidade de Boston. “Nosso método tem potencial para um dia melhorar o atendimento ao paciente, identificando mutações precoces e influentes que podem determinar o prognóstico de um paciente ou a resposta à terapia”.

Desenterrando pistas no exoma

Para aprender sobre a história de um tumor, os cientistas frequentemente comparam seu DNA com o da lesão pré-cancerosa da qual se originou. Mas, para muitos tipos de câncer, é difícil obter amostras de tais lesões, porque elas estão localizadas profundamente no corpo, não podem ser detectadas ou não está claro o que deve ser amostrado.

Getz e seus colegas levantaram a hipótese de que poderiam inferir a progressão genética precoce desses cânceres analisando o DNA de tumores mais maduros usando estratégias computacionais inteligentes. Eles desenvolveram o PhylogicNDT para procurar padrões de erros ortográficos e pedaços de DNA extras ou ausentes no exoma do tumor.

O método depende, em parte, da tendência dos genomas do câncer de duplicar grandes pedaços de DNA ou até mesmo se duplicar inteiramente, produzindo várias cópias do genoma que continuam a gerar mutações. Levando em consideração as taxas conhecidas de mutações, o PhylogicNDT pode analisar os dados do exoma e comparar essas porções duplicadas do genoma do tumor para, então, reconstruir a ordem mais provável dos eventos mutacionais.

Os pesquisadores usaram o PhylogicNDT para estudar o DNA do tumor de várias centenas de pessoas com cabeça e pescoço negativo para HPV. carcinoma de células escamosas (HNSCC), que é um subtipo associado ao tabaco e uso de álcool. Eles geraram uma reconstrução de eventos genéticos semelhante aos dados de um modelo da doença baseado em lesão pré-maligna, validando sua abordagem. Eles também identificaram mutações de driver adicionais que só poderiam ser deduzidas usando as tecnologias de sequenciamento avançadas de hoje.

Linha do tempo do tumor

Tendo validado seu método, os pesquisadores o usaram para analisar mais de 100 tumores HNSCC positivos para HPV, causados ​​pelo vírus HPV que integra seu material genético ao genoma do hospedeiro. Esses tumores também crescem mais rapidamente do que os tumores negativos para o HPV e geralmente são diagnosticados em um estágio tardio, quando o tecido pré-maligno reconhecível não está mais presente.

A equipe descobriu que o vírus pode se integrar ao genoma do hospedeiro anos ou mesmo décadas antes de um paciente ser diagnosticado e que pode continuar se integrando em diferentes pontos do genoma do tumor à medida que o tumor cresce. A análise também descobriu várias das mesmas mutações encontradas em tumores negativos para o HPV, além de algumas que são exclusivas do tipo de crescimento mais rápido.

Em ambos os subtipos de HNSCC, os cientistas observaram casos em que o genoma dobrou, produzindo quatro cópias em vez de duas, muitos anos antes do diagnóstico. Surpreendentemente, eles também viram alguns casos com três cópias do genoma, em que uma das cópias duplicadas foi deletada posteriormente, e esses tumores eram mais agressivos e mais propensos a resistir ao tratamento.

“Esses insights nos permitem amarrar informações sobre o tempo de mutação para tumor diferenças de progressão e sobrevivência”, disse Leshchiner.

Os pesquisadores esperam que o PhylogicNDT possa ajudar outras pessoas a lançar luz sobre outros tipos de câncer que carecem de amostras de tecido em estágio inicial ou, no caso de cânceres raros, têm poucas amostras de qualquer tecido disponível. Além disso, essas abordagens computacionais podem aliviar a necessidade de estudos experimentais exaustivos em células ou animais que dependem de tentativa e erro para descobrir quais combinações de eventos podem causar câncer. O método também pode ser aplicado a vários conjuntos de dados existentes de sequências de exoma de câncer para enriquecer o que já se sabe sobre essas doenças.