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 Patología noticias
- Inteligencia artificial detecta células tumorales viables para pronósticos precisos de cáncer de hueso después de quimioterapia
- Nueva técnica identifica células cancerosas individuales en sangre para tratamientos específicos
- Innovador dispositivo de extracción de sangre supera obstáculos comunes relacionados con la flebotomía
- Dispositivo POC intraoperatorio distingue entre quistes ováricos benignos y malignos en 15 minutos
- Prueba simple de biopsia de piel detecta el Parkinson y enfermedades neurodegenerativas relacionadas
- Herramienta bioinformática para identificar alteraciones cromosómicas en células tumorales puede mejorar diagnóstico del cáncer
- Dispositivo del tamaño de una moneda aísla rápidamente plasma sanguíneo para diagnósticos clínicos más rápidos y precisos
- IA predice propagación del cáncer al cerebro a partir de imágenes de biopsia de pulmón
- Tecnología de microagujas mejorada acelera extracción de muestra de líquido intersticial para diagnóstico de enfermedades
- IA supera a patólogos expertos en predicción de propagación del cáncer de pulmón
- Primer prototipo para aplicar IA al diagnóstico colorrectal
- Nueva prueba identifica cánceres de ovario agresivos más temprano
- Instrumento compacto de detección fotoacústica mejora diagnóstico biomédico de tejidos
- Dispositivo de esponja en cápsula no endoscópica ayuda a detectar cáncer de esófago
- Sistema de citología digital ofrece tecnología de próxima generación para prueba de Papanicolaou
- Red neuronal reconoce cáncer de mama en muestras histológicas con 100 % de precisión