|
文章题目：CancerDetector: ultrasensitive andnon-invasive cancer detection at the resolution of individual reads usingcell-free DNA methylation sequencing data 研究人员：Department of Pathology and Laboratory Medicine, David Geffen School of Medicine, University of California 发表时间：2018. 07 期刊名称：Nucleic Acids Research 影响因子：10.162研究亮点 开发了一种基于cell-free DNA 甲基化谱的超灵敏癌症检测方法，通过概率模拟进行信号放大，解决了cell-free DNA中肿瘤DNA的痕量问题。在实际血浆数据测试上，CancerDetector 得到了高灵敏性和特异性的结果。 研究背景 癌症早诊是提高癌症存活率的最佳方法，使用来自血液的cell-free DNA（cfDNA）的非侵入式检测方法是一个热点。但是在最早期和许多晚期癌症患者的血液中肿瘤cfDNA水平非常低。解决这一问题的主流方法是使用靶向深度测序结合错误抑制技术，但是要获得良好的效果成本过高。本研究的目的即使解决检测痕量肿瘤cfDNA的挑战。 基于两点原因本研究选择了基于甲基化数据的肿瘤cfDNA检测，（i）DNA甲基化模式是普遍存在的，（ii）异常的DNA甲基化模式发生在癌症早期。该方法的关键是关注单个cfDNA测序read上多个相邻CpG位点的联合甲基化状态，以利用DNA甲基化的普遍性质进行信号放大。 研究方法 该文章针对肝癌数据进行了演示，但是该方法可以推广到任何癌症类型。方法主要包括三个主要步骤：（i）鉴定肝癌的DNA甲基化marker，（ii）计算read含有甲基化marker的可能性，（iii）推断cfDNA组成。 图1 CancerDetector方法概述 鉴定和表征肝癌特异性甲基化markerStep1:确定肝癌的基因组标记选择那些甲基化水平可以区分大多数肝肿瘤样本的区域，不仅可以与它们匹配的正常肝组织区分，还有正常血浆样本。该任务包括两个步骤：（i）选择肿瘤和正常组织之间的甲基化水平差异在一半以上的“普遍差异甲基化（FDMR）”区域，用以去除肝组织特异性marker而保留肝癌特异性marker，（ii）选择能区分肿瘤样本和正常血浆样本的FDMR，该步骤确保可以在血液中鉴定甲基化信号。因为cfDNAs的测序覆盖率普遍偏低，因此使用的marker越多，这些marker可能具有的质量越低，但是可能鉴定的肿瘤衍生cfDNA read 越多，所以在实际使用时要在marker质量和数量间做一个权衡。 Step2:甲基化模式表征模型一个给定区域，假定一类（T class和N class）中的所有样本的甲基化水平服从β分布，marker 属于 T(tumor) class 和 N(normal) class 的概率分别服从和。为了简化符号，定义 。 计算read属于每一类的可能性定义所有个markers的甲基化模式为 定义一个病人覆盖M个CpG位点的所有N个read的甲基化数据集为 对于一个read，其来自class c的概率为
可以进一步扩展为 最终只有一个需要计算的参数
图2 cfDNA分类概率计算 去除具有混淆性的marker理想状态下早期癌症患者的 研究成果 应用TCGA肝癌数据对模型进行训练，通过模拟数据和TCGA真实数据对模型进行测试。 （i）模拟数据实验证明了CancerDetector对检测肿瘤cfDNAs的超敏感性
图3 肝癌cfDNA样本的预测血肿瘤分数 （ii）真实数据实验证明了CancerDetector对检测肿瘤cfDNAs的高灵敏度
图4 10次运行所得到的预测肿瘤分数（A）CancerDetector的标准偏差的平均ROC曲线，（B）之前方法的平均ROC曲线和标准偏差，（C）基于甲基化单倍型负荷的方法的标准偏差的平均ROC曲线，（D）由CancerDetector预测的肿瘤大小和平均血液肿瘤分数之间的关系 讨论 癌症早诊的成功在很大程度上取决于（i）高质量的癌症特异性甲基化marker，（ii）超灵敏的计算方法。这项研究提出了一种新方法，通过个别read的数据来解卷积整个肿瘤cfDNA，能够在低的测序深度下得到更好的结果。并且该方法的效果可以通过增加数据大小和质量来进一步增强。现阶段的研究可用的非癌血浆样本数量有限，在未来拿到更多的样本数据后，可以建立更可靠的阈值上限等参数，得到更好的检测结果。 小编评论 该研究的突破主要在于其应用了新的计算方法，一个好的模型既要以生物学意义为前提设计，也要有严谨的统计分析。 |
|
|
