La detección sensible de tumores usa metilomas de ADN libres de células
Por el equipo editorial de LabMedica en español Actualizado el 05 Dec 2018 |
Imagen: La capacidad de detectar ADN tumoral circulante libre de células en la sangre brinda la oportunidad de desarrollar pruebas no invasivas para medir la carga tumoral y detectar firmas moleculares en los tumores que se asocian con la resistencia a la terapia (Fotografía cortesía del Instituto de Cáncer Huntsman).
Se ha usado una combinación de “biopsia líquida”, alteraciones epigenéticas y aprendizaje automático para desarrollar un análisis de sangre que permite detectar y clasificar el cáncer en sus etapas más tempranas. El método promete ser capaz de detectar el cáncer antes, cuando se trata más fácilmente y mucho antes de que aparezcan los síntomas.
El uso de biopsias líquidas para la detección y el tratamiento del cáncer gana importancia rápidamente. Los métodos actuales para la detección de ADN tumoral circulante implican la secuenciación de mutaciones somáticas utilizando ADN libre de células, pero la sensibilidad de estos métodos puede ser baja entre los pacientes con cáncer en etapa temprana dado el número limitado de mutaciones recurrentes.
Los científicos del Centro de Cáncer Princesa Margarita (Toronto, ON, Canadá) y sus colegas, desarrollaron un protocolo sensible basado en inmunoprecipitación para analizar el metiloma de pequeñas cantidades de ADN libre de células en circulación y demostrar la capacidad de detectar cambios a gran escala en la metilación del ADN que están enriquecidos para patrones específicos de tumores.
Los investigadores rastrearon el origen y el tipo de cáncer comparando 300 muestras de tumores de pacientes de siete sitios de la enfermedad (pulmón, páncreas, colorrectal, mama, leucemia, vejiga y riñón) y muestras de donantes sanos con el análisis de ADN libre de células (cfADN) circulante en el plasma sanguíneo. En cada muestra, el ADN plasmático “flotante” se correspondía con el ADN tumoral. Desde entonces, el equipo ha ampliado el estudio y ahora ha analizado y emparejado con éxito más de 700 muestras de tumores y sangre de más tipos de cáncer.
Usando el análisis de las alteraciones epigenéticas en lugar de las mutaciones, el equipo pudo identificar miles de modificaciones únicas para cada tipo de cáncer. Luego, utilizando un enfoque de grandes datos, aplicaron el aprendizaje automático para crear clasificadores capaces de identificar la presencia de ADN derivado del cáncer en muestras de sangre y determinar el tipo de cáncer. Básicamente, esto convierte el problema de ‘una aguja en el pajar’ en un ‘millar de agujas en el pajar’ más solucionable, donde la computadora solo necesita encontrar algunas agujas para definir qué pajar tiene agujas.
Este trabajo constituye el escenario para establecer biomarcadores para la detección, intercepción y clasificación mínimamente invasivas de los cánceres en etapa temprana con base en patrones de metilación de ADN libres de células plasmáticas. Daniel D. De Carvalho, PhD, profesor de genética del cáncer y autor principal del estudio, dijo: “Estamos muy emocionados. Un problema importante en el cáncer es cómo detectarlo temprano. Ha sido un problema de ‘aguja en el pajar’ de cómo encontrar esa mutación específica de cáncer en la sangre de uno en mil millones, especialmente en las etapas iniciales, donde la cantidad de ADN tumoral en la sangre es mínima”. El estudio fue publicado el 14 de noviembre de 2018, en la revista Nature.
Enlace relacionado:
Centro de Cáncer Princesa Margarita
El uso de biopsias líquidas para la detección y el tratamiento del cáncer gana importancia rápidamente. Los métodos actuales para la detección de ADN tumoral circulante implican la secuenciación de mutaciones somáticas utilizando ADN libre de células, pero la sensibilidad de estos métodos puede ser baja entre los pacientes con cáncer en etapa temprana dado el número limitado de mutaciones recurrentes.
Los científicos del Centro de Cáncer Princesa Margarita (Toronto, ON, Canadá) y sus colegas, desarrollaron un protocolo sensible basado en inmunoprecipitación para analizar el metiloma de pequeñas cantidades de ADN libre de células en circulación y demostrar la capacidad de detectar cambios a gran escala en la metilación del ADN que están enriquecidos para patrones específicos de tumores.
Los investigadores rastrearon el origen y el tipo de cáncer comparando 300 muestras de tumores de pacientes de siete sitios de la enfermedad (pulmón, páncreas, colorrectal, mama, leucemia, vejiga y riñón) y muestras de donantes sanos con el análisis de ADN libre de células (cfADN) circulante en el plasma sanguíneo. En cada muestra, el ADN plasmático “flotante” se correspondía con el ADN tumoral. Desde entonces, el equipo ha ampliado el estudio y ahora ha analizado y emparejado con éxito más de 700 muestras de tumores y sangre de más tipos de cáncer.
Usando el análisis de las alteraciones epigenéticas en lugar de las mutaciones, el equipo pudo identificar miles de modificaciones únicas para cada tipo de cáncer. Luego, utilizando un enfoque de grandes datos, aplicaron el aprendizaje automático para crear clasificadores capaces de identificar la presencia de ADN derivado del cáncer en muestras de sangre y determinar el tipo de cáncer. Básicamente, esto convierte el problema de ‘una aguja en el pajar’ en un ‘millar de agujas en el pajar’ más solucionable, donde la computadora solo necesita encontrar algunas agujas para definir qué pajar tiene agujas.
Este trabajo constituye el escenario para establecer biomarcadores para la detección, intercepción y clasificación mínimamente invasivas de los cánceres en etapa temprana con base en patrones de metilación de ADN libres de células plasmáticas. Daniel D. De Carvalho, PhD, profesor de genética del cáncer y autor principal del estudio, dijo: “Estamos muy emocionados. Un problema importante en el cáncer es cómo detectarlo temprano. Ha sido un problema de ‘aguja en el pajar’ de cómo encontrar esa mutación específica de cáncer en la sangre de uno en mil millones, especialmente en las etapas iniciales, donde la cantidad de ADN tumoral en la sangre es mínima”. El estudio fue publicado el 14 de noviembre de 2018, en la revista Nature.
Enlace relacionado:
Centro de Cáncer Princesa Margarita
Últimas Diagnóstico Molecular noticias
- Prueba de sangre predice con precisión el riesgo de cáncer de pulmón y reduce la necesidad de escaneos de TC
- Firma única de autoanticuerpos ayuda a diagnosticar la esclerosis múltiple años antes de la aparición de síntomas
- Prueba de sangre podría detectar cánceres asociados al VPH 10 años antes del diagnóstico clínico
- Un diagnóstico de bajo costo en el punto de atención ampliará el acceso a pruebas de enfermedades de transmisión sexual
- Prueba de orina analiza 18 genes para identificar el cáncer de próstata de alto grado
- Prueba en orina detecta cáncer de cabeza y cuello
- Prueba de sangre detecta y monitorea cáncer pulmonar de células pequeñas agresivo
- Ensayo de aprendizaje automático basado en sangre detecta de forma no invasiva el cáncer de ovario
- Ensayo de PCR simple diferencia con precisión entre los subtipos de cáncer de pulmón de células pequeñas
- Enfoque revolucionario de análisis de células T permite detección temprana del cáncer
- Prueba genética única podría acelerar el diagnóstico de trastornos raros del desarrollo
- Analizador de pruebas sindrómicas actualizado permite acceso remoto a resultados de pruebas
- Prueba de PCR para infecciones respiratorias y de garganta detecta múltiples patógenos con síntomas coincidentes
- Técnica de enriquecimiento de ácido nucleico circulante en sangre permite diagnóstico no invasivo del cáncer de hígado
- Primera prueba molecular aprobada por la FDA para detectar malaria en donantes de sangre podría mejorar seguridad del paciente
- Prueba de biomarcadores líquidos detecta enfermedades neurodegenerativas antes de que aparezcan síntomas