通过测定循环微小RNA来特异性预测卵巢癌的非侵入性诊断方法正在开发中。
Dana-Farber癌症研究所与Brigham妇女医院（BWH）的研究人员利用人工智能的力量开发出一种能够及早准确地检测卵巢癌的新技术。该团队已经确定了一个与卵巢癌的风险相关并可从血液样本中检测到的循环微小RNA网络，即非编码遗传物质的小片段，该发现在线发表于e life杂志。
大多数妇女诊断卵巢癌时已经处于晚期，此时只有约1/4的患者能存活5年以上，但在早期阶段偶然发现癌症的妇女生存率会明显升高。目前尚无FDA批准的卵巢癌筛查方法，因此在具有遗传倾向的妇女和一般人群中早期诊断卵巢癌存在挑战。早期的卵巢癌检测方法具有较高的假阳性率，如超声或蛋白质CA125检测。临床试验发现，这些检测用于发现早期卵巢癌时对于生存率并没有明显的影响。Dana-Farber癌症研究所与Brigham妇女医院（BWH）的团队力图开发一种对于检测早期的真实病例更加灵敏和特异的方法。该团队考察了一组名为微小RNA的分子，即有助于控制基因在何时何地被激活的基因组非编码区。BWH的妇产科主任Kevin Elias说，微小RNA是基因组的复制编辑者，在将基因转录成蛋白质之前，它们负责修改信息，向基因组添加校对笔记。
资深作者Dipanjan Chowdhury博士是Dana-Farber放射肿瘤学系放射与基因组稳定部门的领导，他说：“该项目充分体现了Dana-Farber和BWH两家研究机构的协同效应以及与实验室科学家密切合作的临床医生的实力。我的实验室已经对微小RNA进行了十年的研究，当Kevin带着患者的样本过来时，我们不假思索地启动了这个项目。”
Elias和Chowdhury以及同事们在实验室确定了卵巢癌细胞和正常细胞具有不同的微小RNA分布。不同于遗传密码的其他部分，微小RNA在血液中循环，因此可以从血清样本中检测其水平。 该团队对135名妇女（手术前或化疗前）血液样本中的微小RNA进行了测序，以创建一个“训练集”，用于训练计算机程序来寻找卵巢癌病例与良性肿瘤、侵袭性肿瘤和健康组织之间微小RNA的区别。通过使用这种机器学习的方法，团队可以利用大量的微小RNA数据并开发不同的预测模型。能够从正常组织中最准确地区分卵巢癌的模型被称为神经网络模型，它反映了微小RNA之间复杂的相互作用。
随后该团队在包括44名妇女的独立小组中测试了该测序模型，以确定检测的准确性，在准确性得到确认后对多个患者的样本集使用模型，共采用859位患者的样本来测量模型的敏感性和特异性。新技术预测卵巢癌远优于超声检测，超声检测中有不到5%的异常结果可能是卵巢癌，而使用微小RNA检测，几乎100％的异常结果表示是卵巢癌。
最后，该团队将其最终模型付诸实践，使用微小RNA诊断检测预测了波兰罗兹的51例准备手术治疗的患者的诊断。该人群中91.3%的异常检测结果是卵巢癌病例，假阳性率很低。阴性检测结果可靠地预测约了80%的时间内没有癌症，与巴氏涂片检测的准确性相当。Chowdhury表示关键在于这种检测不太可能误诊卵巢癌，并且在没有恶性肿瘤时发出阳性信号，这是诊断检测有效的标志。
该团队也在寻找用以区分微小RNA的生物相关性证据，他们发现手术前后收集的血液样本中微小RNA的数量发生了变化，表明在移除癌组织后，微小RNA的信号下降。他们还取了实际的患者样本对癌细胞中的微小RNA进行成像，表明血清信号来自癌组织。
为使诊断方法从实验室走向临床，研究团队将需要验证随着时间的推移，微小RNA信号随着卵巢癌风险的增加而发生变化，为此需要前瞻性收集妇女的纵向样本。他们立志于测定该方法是否有益于卵巢癌高危妇女和一般人群。
该研究的赞助方包括Robert 与Deborah第一家庭基金、国家儿童健康和人类发展研究所（K12HD13015）、Ruth N. White妇科肿瘤学研究奖学金、Saltonstall研究基金、Potter研究基金、Sperling家庭基金奖学金、Bach Underwood基金、波兰科学基金会和欧盟智慧成长运营计划一期拨款，国家卫生研究所（P50CA105009），国防部（OC093426、OC140632）和Honorable Tina Brozman基金会。
首页
咨询
方舟新药
营养商城