Модель cfSort позволит точнее определить происхождение внеклеточной ДНК

Внеклеточная ДНК плазмы крови (cfDNA) — неинвазивный биомаркер клеточной гибели во всех органах. Развитие и лечение многих болезней, включая рак, аутоиммунные заболевания и сепсис, влияют на скорость клеточной гибели и на долю cfDNA, попадающей из поврежденной ткани в кровь. То есть повышение доли cfDNA какой-то ткани может сообщить о нарушении гомеостаза. Следовательно, cfDNA можно использовать как неинвазивный биомаркер множества болезней и нарушений. Однако для этого необходимо точно определить ткань, откуда происходит cfDNA. С этим есть сложности, так как cfDNA солидных органов составляет только малую часть всей cfDNA (около 85% всей cfDNA принадлежит клеткам крови). Также все ткани организма выпускают cfDNA, так что различать требуется множество типов тканей.

Однако решение есть, cfDNA можно отследить до ткани происхождения с помощью паттерна метилирования. Есть несколько методов, которые используют метилирование, чтобы выявить источник cfDNA, однако их точность и чувствительность пока недостаточно высоки. В новой работе исследователи из США представили атлас метилирования тканей и модель cfSort, созданную с помощью глубокой нейронной сети, которая может определить источник cfDNA с высокими чувствительностью и точностью.

Сначала авторы систематически идентифицировали тканеспецифичные сигнатуры метилирования с помощью бисульфитного секвенирования с уменьшенной репрезентативностью (RRBS), при этом использовался 521 образец из 29 тканей, не являющихся раковыми. Они оценивали уровень метилирования индивидуальных фрагментов ДНК, а не всех фрагментов в среднем. Геномная область считалась тканеспецифичным маркером метилирования, если ДНК-фрагменты с этим паттерном метилирования существовали почти исключительно в одной ткани, но не в других, независимо от фракции. То есть гетерогенность образцов тканей принималась во внимание.

Также авторы использовали три стратегии идентификации маркеров, каждая из которых привела к обнаружению своего типа маркеров: одна ткань против остальных тканей, группа тканей против другой группы, одна ткань против другой ткани. Для различения тканей использовались 100 лучших маркеров первого типа, 200 второго типа и 50 третьего типа из каждого сравнения, всего 51 035 маркеров. Три типа тканеспецифичных маркеров метилирования дополняли друг друга.

Атлас тканевых маркеров валидировали на независимых источниках данных, полученных с помощью другого способа оценки метилирования, а также при оценке тканеспецифичных гистоновых модификаций, экспрессии генов и регуляции транскрипции.

На основе атласа авторы создали модель cfSort для определения происхождения cfDNA. Для этого они использовали данные RRBS, полученные при анализе 521 образца, чтобы сгенерировать данные о метилировании cfDNA определенного происхождения in silico. Данные использовались для тренировки, валидации и тестирования модели. cfSort оценивала состав тканей с большими точностью и чувствительностью, чем две модели, созданные ранее.

Исследователи проверили работу модели на данных о метилировании cfDNA здоровых людей и пациентов с различными болезнями, включающими цирроз и рак. cfDNA из затронутых болезнью тканей была более представлена у пациентов, чем у здоровых контролей. Причем эта доля возрастала с увеличением стадии рака.

Доля cfDNA может повышаться не только из-за болезни, но и в ходе лечения. Этот маркер теоретически можно использовать для отслеживания побочных эффектов лечения рака во всех тканях тела. Чтобы выявить клинический потенциал этого подхода, авторы применили модель cfSort к cfDNA четырех пациентов с немелкоклеточным раком легких, получавших анти-PD-1 иммунотерапию. Плазму крови собирали до начала терапии, а также через 6 и 12 недель после начала. Этот тип иммунотерапии часто отрицательно влияет на печень и почки. Действительно, анализ метилирования cfDNA подтвердил наличие повреждений этих органов у некоторых пациентов, что показали также и биохимические маркеры.

Таким образом, новая работа продемонстрировала возможность клинического применения модели cfSort. Авторы считают, что их модель будет способствовать обнаружению заболеваний, прогнозированию эффекта терапии и долговременному мониторингу во время терапии с использованием cfDNA.

Секвенирование внеклеточной ДНК поможет выявить клональный гемопоэз у раковых больных