Исследователи предположили, что надежные биомаркеры можно выявить, используя три ключевых факта: в одной опухоли могут присутствовать разные стадии злокачественной трансформации, эти стадии и связанные с ними молекулярные изменения можно охарактеризовать с помощью пространственной транскриптомики, а изменения можно интегрировать в модели трансформации с помощью анализа псевдовремени. Авторы предположили, что гены, наиболее согласованно коррелирующие с траекторией псевдовремени, которая, по их гипотезе, отражает прогрессию злокачественной трансформации, являются кандидатами в биомаркеры. Именно для систематической идентификации таких генов-биомаркеров они разработали новый подход, который объединяет пространственную транскриптомику, псевдовремя и машинное обучение.

Исследователи проанализировали данные пространственной транскриптомики из нескольких независимых исследований рака простаты. Этот метод позволяет одновременно измерять экспрессию тысяч генов и сохранять информацию о пространственном расположении клеток в тканевом срезе. Патоморфолог выполнял гистологическую аннотацию участков ткани, классифицируя их как нормальную железу, интраэпителиальную неоплазию простаты (ПИН) или рак, при этом раковые участки дополнительно стратифицировались по шкале Глисона. После контроля качества в финальный анализ были включены данные пространственной транскриптомики от шести пациентов, что составило 12 образцов и 19 695 аннотированных пятен. Распределение различных стадий злокачественности значительно варьировало между образцами: от преимущественно доброкачественных до содержащих большое количество злокачественных участков.

Далее исследователи применили метод анализа псевдовремени для построения траекторий прогрессии рака простаты, начиная с гистологически нормальной ткани. Этот подход позволил проследить последовательные молекулярные изменения, происходящие по мере перехода к злокачественному состоянию. Анализ показал, что значения псевдовремени хорошо коррелируют с гистологическими характеристиками прогрессирования заболевания. Эти наблюдения подтвердили, что показатели псевдовремени отражают как гистологические, так и молекулярные признаки злокачественной трансформации. По мере продвижения вдоль этой псевдовременной траектории фиксировались характерные изменения, связанные с прогрессией опухоли, что было подтверждено как результатами гистологической стратификации, так и данными о хромосомных нарушениях (CNA-анализ).

На основе анализа того, какие гены наиболее последовательно коррелировали с траекторией псевдовремени в нескольких образцах, были идентифицированы 45 генов-кандидатов на роль биомаркеров. Эти гены участвуют в ключевых сигнальных путях, связанных с раком простаты, таких как эпителиально-мезенхимальный переход, андрогенный ответ и апоптоз. Важно, что среди этих генов оказались и мишени для противоопухолевых препаратов, включая пембролизумаб (одобрен для лечения рака простаты), ипилимумаб и ниволумаб (проходят клинические испытания). Это дополнительно подтвердило клиническую значимость выявленных биомаркеров.

Далее исследователи проверили диагностический потенциал этих биомаркеров на данных от более чем 2000 пациентов с раком простаты и контрольной группы, используя различные типы образцов — ткань простаты, кровь и мочу. Анализ экспрессии мРНК и белков кандидатных генов подтвердил их дифференциальную экспрессию между раком и здоровой тканью. Гистохимическое исследование одного из кандидатов, белка SPON2, в независимых образцах ткани простаты показало увеличение его экспрессии при раке простаты, особенно при более высоких степенях злокачественности, по сравнению со здоровой тканью и доброкачественной гиперплазией. Уровень экспрессии биомаркеров коррелировал со степенью злокачественности рака, что указывает на их потенциал для оценки агрессивности опухоли.

Ученые подчеркивают необходимость дальнейших проспективных исследований для подтверждения этих результатов в клинической практике и отмечают, что разработанный подход может быть применим для поиска биомаркеров других типов рака.

Источник: https://aacrjournals.org/cancerres/article/doi/10.1158/0008-5472.CAN-25-0269/762073/Combining-Spatia...