Подобрать персонализированную химиотерапию помогут сигнатуры хромосомной нестабильности

Международная команда исследователей определила биомаркеры на основе хромосомной нестабильности, способные предсказать резистентность к химиотерапии. Метод подходит для применения в реальной клинической практике и позволяет определить, будет ли опухоль пациента резистентной к соединениям платины, таксанам или антрациклинам — трем основным классам химиотерапевтических препаратов.

Изображение:

Клетки рака молочной железы. Синим окрашена ДНК

Credit:

NIH | flickr.com | CC BY-NC 2.0

Современная химиотерапия часто назначается без точного прогнозирования эффективности, в результате пациенты страдают от токсичности препаратов без гарантии положительного результата. Ученые из Испанского национального центра онкологических исследований (CNIO), Кембриджского университета и других научных центров поставили вопрос: можно ли разработать единый геномный тест, определяющий резистентность к основным химиотерапевтическим препаратам? Подобный подход мог бы преобразовать клиническую онкологию, сделав ее более персонализированной.

Исследователи выбрали в качестве биомаркеров сигнатуры хромосомной нестабильности (CIN) — паттерны геномных изменений, отражающие различные типы нарушений стабильности хромосом. Они предположили, что предикторами ответа на различные классы химиопрепаратов могут служить разные паттерны хромосомной нестабильности, и это позволит создать единую диагностическую платформу для прогнозирования резистентности. Результаты работы опубликованы в Nature Genetics.

В предшествующих работах была создана система из 17 CIN (CX1-CX17), которая стала основой для данного исследования. Для удобства читателя мы представили ее в виде таблицы/рисунок.

Сигнатуры хромосомной нестабильности


Название сигнатуры

Описание

CX1

Общая вариабельность размера сегментов и небольшое количество точек разрыва, типично для стабильных геномов

CX2

Нарушение гомологичной рекомбинации (HRD), характеризуется крупными изменениями числа копий; часто ассоциирована с мутациями BRCA1/2

CX3

Другой подтип нарушений гомологичной рекомбинации, связанный с большей чувствительностью к платине (отличается от CX2 по спектру изменений)

CX4

Доминантны небольшие кластеры точек разрыва, указывающие на подвижные элементы или региональные перестройки

CX5

Комплексные нарушения числа копий, ассоциированные с нарушением гомологичной рекомбинации и резистентностью к таксанам

CX6

Частые короткие колебания числа копий, соответствуют так называемым волновым паттернам в пределах длинных хромосом

CX7

Сегменты промежуточной величины, часто с высокой анеуплоидией и множественными крупными делециями/амплификациями

CX8

Фокальные амплификации*, ассоциированные с появлением экстрахромосомной ДНК (маркер резистентности к антрациклинам)

CX9

Малые фокальные амплификации, также связанные с экстрахромосомной ДНК; характерны для опухолей, устойчивых к антрациклинам.

CX10

Широкие, но умеренно выраженные делеции и амплификации, часто встречаются при хромотрипсисе**

CX11

Высокое число точек разрыва на плечо хромосомы, указывает на локальные крупные перестройки.

CX12

Умеренная анеуплоидия с последовательным чередованием амплификаций и делеций, характерна для опухолей с нестабильными геномами.

CX13

Еще один подтип фокальных амплификаций, близок к CX8 и CX9, ассоциируется с толерантностью к микроядрам

CX14

Мозаика длинных и коротких сегментов с минимальными изменениями, типично для некоторых индолентных опухолей

CX15

Обогащение длинными сегментами с минимальным количеством точек разрыва, характерно для стабильного кариотипа

CX16

Высокое число коротких сегментов, ассоциировано с «катастрофическими» перестройками (например, хромотрипсисом)

CX17

Преобладание длинных фрагментов копий, но с редкими, точечными амплификациями или делециями хромосомных плеч

*локальное, «точечное» увеличение числа копий небольшого участка генома.

**событие, при котором одна (иногда несколько) хромосом в клетке разрушается на мелкие фрагменты и затем за один клеточный цикл сшивается обратно в произвольном порядке, что ведет к формированию большого числа перестроек.


Авторы применили многоэтапный подход, включающий разработку биомаркеров, их оптимизацию и валидацию на различных экспериментальных моделях.

Первым этапом стала адаптация ранее разработанного подхода для предсказания резистентности к платиновым препаратам. Для этого использовали соотношение двух сигнатур нарушенной гомологичной рекомбинации (CX2 и CX3), где CX2 > CX3 указывает на резистентность. Критическим шагом стала разработка надежной модели масштабирования с использованием всех случаев мутаций BRCA1 и BRCA2 из когорты The Cancer Genome Atlas (TCGA) для обеспечения применимости к множественным типам опухолей.

Для создания предиктора резистентности к таксанам использовались данные 287 клеточных линий, обработанных паклитакселом. В этом случае исследователи применили сигнатуру CX5, связанную с нарушенной гомологичной рекомбинацией, установив оптимальный порог активности сигнатуры CX5 < 0 для классификации образца как резистентного.

Для антрациклинов оптимизировали пороговые значений сигнатур CX8, CX9 и CX13, исследовав их в восьми органоидах и 15 первичных сфероидах, полученных из асцитной жидкости пациентов с раком яичников.

Точность прогнозирования резистентности в реальных клинических условиях авторы проверили в ретроспективно эмулированных рандомизированных испытаниях фазы II–III. Для этого использовали данные о хромосомной нестабильности 840 пациентов с различными типами онкологических заболеваний. Действительно, у тех пациентов, чьи данные указывали на резистентность, риск неэффективности лечения был повышен. В частности, для таксанов отношение рисков (HR) составило 7,44 при рецидивирующем раке яичников, 3,98 при метастатическом раке молочной железы и 5,46 при метастатическом раке простаты. Для антрациклинов — 1,88 при рецидивирующем раке яичников и 3,69 при метастатическом раке молочной железы.

Кроме того, в нерандомизированных эмуляциях авторы показали аналогичное увеличение риска неэффективности препаратов платины для первичного рака яичников (HR 1,46) и антрациклина при саркоме (HR 3,59).

Наконец, что очень важно, авторы продемонстрировали возможность применения различных геномных технологий для определения сигнатур хромосомной нестабильности, связанных с резистентностью. Модель оказалась совместимой с полногеномным секвенированием, поверхностным полногеномным секвенированием, панельным секвенированием (включая одобренную регуляторами панель Illumina TruSight Oncology 500) и анализом циркулирующей опухолевой ДНК из плазмы крови.

Эта работа может способствовать трансформации химиотерапии от принципа «один размер для всех» к прецизионному персонализированному лечению, подчеркивают авторы. Прогнозирование резистентности поможет пациентам избежать ненужных побочных эффектов и быстрее получить эффективную терапию. Это, в свою очередь, снизит расходы здравоохранения за счет уменьшения затрат на неэффективные методы лечения и дополнительные медицинские вмешательства при осложнениях.

Миграция CD55 в ядро связана с развитием резистентности к цисплатину при лечении рака яичников

Источник

Thompson, J.S., et al. Predicting resistance to chemotherapy using chromosomal instability signatures // Nature Genetics (2025). DOI:  10.1038/s41588-025-02233-y

Добавить в избранное

Мы используем файлы cookie для улучшения работы сайта. Узнать больше.

Настройки файлов cookie

Мы используем файлы cookie для улучшения работы сайта, анализа трафика и показа персонализированной рекламы. Вы можете изменить настройки в любой момент.

Категории файлов cookie:

Необходимые

Эти cookie обеспечивают базовую функциональность сайта — вход в аккаунт, безопасность, оформление заказов. Отключение невозможно.

Функциональные

Функциональные cookie используются для обеспечения работы отдельных функций сайта, а также для запоминания ряда пользовательских предпочтений (например, выбранный язык, товары в корзине), с целью улучшения качества предоставляемого сервиса.

Отключение этого типа файлов cookie может привести к тому, что некоторые сервисы или функции сайта станут недоступны или будут работать некорректно. В результате, вам может потребоваться повторно вводить определённую информацию или настраивать предпочтения при каждом посещении сайта вручную.

Аналитические

Аналитические файлы cookie, включая сторонние аналитические cookie, помогают нам понять, как вы взаимодействуете с нашим сайтом. Эти файлы не собирают информацию, позволяющую установить вашу личность. Все данные обрабатываются в агрегированной и анонимной форме.

Рекламные

Рекламные cookie, включая сторонние, используются для создания пользовательских профилей и показа рекламы, соответствующей вашим интересам и предпочтениям при просмотре сайтов.

Эти cookie позволяют персонализировать рекламные сообщения, которые вы видите, делая их более релевантными. Они также могут использоваться для ограничения количества показов одной и той же рекламы и для оценки эффективности рекламных кампаний.