Микробная ДНК в крови пациента может быть признаком рака

Когда Грегори Пур учился в университете, его здоровая бабушка была потрясена, узнав, что у нее рак поджелудочной железы на поздней стадии. Состояние было диагностировано в конце декабря.Она умерла в январе.

«У нее практически не было никаких признаков или симптомов», — сказал Пур. «Никто не мог сказать, почему ее рак не был обнаружен ранее или почему он был устойчив к лечению». В ходе своих исследований Пур пришел к выводу, что рак традиционно считается болезнью человеческого генома — мутации в наших генах позволяют клеткам избегать смерти, размножаться и образовывать опухоли.

Но когда Пур увидел исследование «Наука» в 2017 году, которое показало, как микробы проникли в большинство видов рака поджелудочной железы и смогли разрушить основной препарат химиотерапии, назначаемый этим пациентам, он был заинтригован идеей о том, что бактерии и вирусы могут играть большую роль в онкологии, чем кто-либо ранее считал.

В настоящее время Пур является доктором медицинских наук и докторантур в Медицинской школе Калифорнийского университета в Сан-Диего, США, где он проводит дипломную работу в лаборатории Роба Найта, доктора философии, профессора и директора Центра инноваций в области микробиомов. Вместе с междисциплинарной группой сотрудников, Пур и Найт разработали новый метод диагностики, позволяющий определить, у кого рак, а часто и какой тип, путем простого анализа паттернов микробной ДНК — бактериальной и вирусной — присутствующей в их крови.

Исследование, опубликованное в журнале Nature , может изменить взгляд на рак и его диагностику. «Почти все предыдущие исследования рака предполагали, что опухоли являются стерильной средой, и игнорировали сложное взаимодействие человеческих раковых клеток с бактериями, вирусами и другими микробами, которые живут в наших телах и на них», — сказал Найт.

«Количество микробных генов в нашем организме значительно превосходит количество человеческих генов, поэтому не удивительно, что они дают нам важные подсказки о нашем здоровье».

Исследователи сначала изучили микробные данные, полученные из базы данных Национального института рака, содержащей геномную и другую информацию о тысячах опухолей пациентов. Насколько известно команде, это было самое большое усилие, когда-либо предпринимаемое для выявления микробной ДНК в данных секвенирования человека.

Из 18 116 образцов опухолей, представляющих 10 481 пациентов с 33 различными типами рака, выявлены различные микробные признаки или паттерны, связанные с конкретными типами рака. Некоторые ожидали, например, связь между вирусом папилломы человека (ВПЧ) и раком шейки матки, головы и шеи, а также связь между видами Fusobacterium и желудочно-кишечным раком.

Но команда также идентифицировала ранее неизвестные микробные сигнатуры. Например, наличие видов Faecalibacterium отличало рак толстой кишки от других видов рака.

Вооружившись профилями микробиомов тысяч образцов рака, исследователи затем обучили и протестировали сотни моделей машинного обучения, чтобы связать определенные паттерны микробов с наличием специфических видов рака. Модели машинного обучения были в состоянии идентифицировать тип рака пациента, используя только микробные данные из его или ее крови.

Затем исследователи удалили из набора данных раковые заболевания высокого уровня (стадии III и IV) и обнаружили, что многие типы рака все еще различимы на более ранних стадиях, полагаясь исключительно на полученные из крови микробные данные. Результаты сохранялись даже тогда, когда команда провела самую строгую дезинфекцию на образцах, которая удалила более 90 процентов микробных данных.

Чтобы определить, могут ли эти микробные паттерны быть полезными в реальном мире, Найт, Пур и его команда проанализировали образцы плазмы крови 59 согласившихся пациентов с раком простаты, 25 с раком легкого и 16 с меланомой, предоставленные сотрудниками в онкологическом центре Мурса в UC Сан-Диего.

Используя новые инструменты, которые они разработали для минимизации загрязнения, исследователи разработали считывание микробных сигнатур для каждого образца ракового пациента и сравнили их друг с другом и с образцами плазмы от 69 здоровых, ВИЧ-негативных добровольцев, предоставленных Центром нейробиологических исследований ВИЧ в Калифорнии. Модели машинного обучения команды были в состоянии отличить большинство людей с раком от тех, у кого нет.

Например, модели могут правильно идентифицировать человека с раком легких с чувствительностью 86 процентов и человека без заболевания легких со 100-процентной специфичностью. Они часто могли сказать, какие участники имели какой из трех типов рака. Например, модели могут правильно различать человека с раком простаты и человека с раком легких с чувствительностью 81%.

«Способность, в одной пробирке крови, иметь полный профиль ДНК опухоли (ее природы), а также ДНК микробиоты (так называемого питания) пациента, является, важным шагом вперед в лучшем понимании взаимодействия окружающей среды при раке », — сказал соавтор Sandip Pravin Patel, доктор медицинских наук, медицинский онколог и один из руководителей экспериментальной терапии в онкологическом центре Moores в Калифорнийском университете в Сан-Диего.

«При таком подходе есть потенциал для мониторинга этих изменений с течением времени, не только в качестве диагностического, но и для долгосрочного терапевтического мониторинга. Это может иметь серьезные последствия для ухода за больными раком и для раннего выявления рака, если эти результаты будут продолжаться в дальнейшем тестировании ».

По словам Пателя, диагностика большинства видов рака в настоящее время требует хирургической биопсии или удаления образца из предполагаемого места рака и анализа образца экспертами, которые ищут молекулярные маркеры, связанные с определенными видами рака.

Этот подход может быть инвазивным, трудоемким и дорогостоящим. Несколько компаний в настоящее время разрабатывают «жидкие биопсии» — методы быстрой диагностики определенных видов рака с использованием простого отбора крови и технологий, которые позволяют им обнаруживать специфичные для рака мутации генов человека в циркулирующей ДНК, выделяемой опухолями.

Этот подход уже может использоваться для мониторинга прогрессирования опухолей для некоторых типов уже диагностированных раковых заболеваний, но еще не одобрен Управлением по контролю за продуктами и лекарствами США (FDA) для диагностического использования.