Simple Science

Ciência de ponta explicada de forma simples

# Biologia# Biologia do Cancro

Novas Perspectivas sobre a Instabilidade Cromossômica no Câncer

Pesquisas revelam padrões de mudanças cromossômicas ligadas a vários tipos de câncer.

― 10 min ler


InstabilidadeInstabilidadeCromossômica e Padrões deCâncercromossomos em vários tipos de câncer.Estudo revela mudanças chave nos
Índice

A Instabilidade Cromossômica (CIN) é uma característica comum nas células cancerígenas. Ela aparece como mudanças no número e na estrutura dos cromossomos. Essa instabilidade vem de várias causas, como erros durante a divisão celular e problemas com partes das células que protegem os cromossomos. Quando os cromossomos não se dividem corretamente durante a divisão celular, isso pode causar problemas. Outros problemas incluem cromossomos quebrados que não são reparados corretamente e mudanças na maneira como as células controlam seu crescimento.

A aneuploidia, que é quando tem um número anormal de cromossomos, pode ser encontrada em quase 90% dos tumores sólidos. Isso torna essas mudanças cromossômicas uma das características mais notáveis das células cancerígenas. Cada tipo de Câncer tem um padrão único dessas mudanças, moldado por como as células cancerígenas evoluem, incluindo como interagem com o ambiente ao redor.

Por causa disso, os cientistas têm estudado os padrões de mudanças cromossômicas mais de perto. Estudos têm sido feitos em laboratórios e usando análise de dados para entender como essas mudanças se relacionam ao câncer. Os pesquisadores veem os desequilíbrios cromossômicos como um fator chave para o crescimento do câncer. Os esforços recentes focaram em entender a estrutura do genoma quando há instabilidade cromossômica e em identificar padrões de mudanças cromossômicas que se ligam a características genéticas específicas.

Um desafio importante ao estudar a CIN é sua complexidade. Nem toda mudança nos cromossomos é importante para o câncer. Os pesquisadores precisam distinguir entre mudanças que impulsionam o crescimento do câncer e aquelas que são apenas ocorrências aleatórias. Uma situação ideal seria se certas mudanças cromossômicas pudessem identificar diferentes tipos de câncer, o que poderia ajudar no desenvolvimento de tratamentos direcionados.

Muitas mudanças cromossômicas específicas de certos cânceres já foram descobertas. Por exemplo, algumas mudanças em um gene chamado TERT podem indicar quão severa a doença pode ser ou quão resistente ela pode ser ao tratamento. No entanto, identificar mudanças cromossômicas cruciais em todos os tipos de câncer ainda é um desafio.

Os pesquisadores adotaram uma nova abordagem para analisar os padrões da CIN diretamente. Eles classificaram os cânceres com base no número de cromossomos presentes no genoma. Usando ferramentas de IA, conseguiram identificar as áreas dos cromossomos que forneceram informações para essa classificação. Esse método expõe diferenças nos padrões cromossômicos entre diferentes tipos de câncer e identifica novas áreas de interesse para pesquisa e tratamento do câncer. Eles confirmaram a relevância dessas áreas usando dados de pacientes.

O Projeto 100.000 Genomas

O Projeto 100.000 Genomas, concluído em 2019, teve como objetivo sequenciar os genomas de 100.000 pacientes com câncer, doenças raras e doenças infecciosas. Esse projeto ajudou a integrar Dados Genômicos ao Serviço Nacional de Saúde no Reino Unido. Os participantes do projeto concordaram que suas informações genéticas fossem vinculadas aos seus registros de saúde, que são compartilhados de forma segura com cientistas e clínicos em todo o mundo.

Nesse projeto, 13.000 amostras de genoma de pacientes com câncer foram categorizadas com base em onde o câncer começou no corpo e o tipo de câncer. Algumas amostras foram excluídas da análise. Os dados genômicos restantes foram utilizados para pesquisa.

Analisando Dados Genômicos Através dos Tipos de Câncer

Os pesquisadores analisaram a paisagem genômica dos tipos de câncer dentro do Projeto 100.000 Genomas. Eles olharam para a distribuição de mudanças cromossômicas entre diferentes tipos de câncer. Criaram representações visuais de quantas amostras mostraram condições cromossômicas anormais em locais específicos de genes em vários grupos de câncer. Essa análise proporcionou insights sobre os padrões de mudanças cromossômicas à medida que se relacionam com a progressão do câncer.

Para focar em cânceres com instabilidade cromossômica significativa, incluíram apenas aquelas amostras onde 30% ou mais do genoma mostraram alteração. Eles excluíram amostras que sofreram rearranjos significativos de DNA devido a diferentes tipos de mutações, resultando em um total de cerca de 7.522 genomas para análise posterior.

O estudo também examinou mudanças gênicas comuns entre vários cânceres. Olhando juntos, essas mudanças nos cromossomos ajudaram a pintar um quadro de como diferentes cânceres podem compartilhar certas anomalias ou características.

Redes Neurais e Classificação do Câncer

Os pesquisadores desenvolveram um modelo de Rede Neural voltado para analisar genomas rearranjados. Eles dividiram os cromossomos em pequenos segmentos e calcularam o número médio de cópias de cromossomos para cada segmento. Isso reduziu as amostras a uma forma simplificada que facilitou para o modelo aprender com os dados.

A rede neural em si incluiu várias redes menores, cada uma focando em um cromossomo específico. Esse design permitiu que o modelo analisasse as mudanças nos cromossomos em detalhes. Como havia muitos recursos nos dados, mas apenas alguns tipos de câncer para classificar, o modelo precisou ser robusto o suficiente para encontrar padrões relevantes sem se confundir com os irrelevantes.

Através desse processo, os pesquisadores descobriram que diferentes cânceres exibem padrões distintos de instabilidade cromossômica. Embora o modelo tenha se saído bem no geral, ele teve dificuldades com certos tipos de câncer, como o câncer de pulmão, devido à diversidade de subtipos dentro dessa categoria.

IA Explicável para Biologia do Câncer

Para entender como o modelo fez suas classificações, os pesquisadores se voltaram para um método conhecido como Gradientes Integrados. Essa técnica ajuda a determinar quais características dos dados são mais importantes para as previsões do modelo. Usando uma versão refinada desse método, a equipe conseguiu descobrir regiões cromossômicas importantes que influenciaram a tomada de decisão do modelo.

Esse entendimento detalhado de como certas regiões do genoma contribuem para cada tipo de câncer permite que os pesquisadores identifiquem áreas potencialmente significativas para pesquisas futuras. A abordagem ajuda a fechar a lacuna entre as descobertas da IA e a importância biológica.

Analisando amostras individuais, os pesquisadores revelaram regiões genômicas importantes relevantes para tipos específicos de câncer. Por exemplo, analisaram de perto câncer de mama, câncer de pulmão e câncer colorretal, identificando mudanças cromossômicas associadas a cada tipo.

Insights de Amostras Individuais de Câncer

Ao examinar uma amostra de câncer de mama, os pesquisadores encontraram regiões de cromossomos chave que são frequentemente estudadas em relação ao câncer de mama. Essas áreas incluíram ampliações ou mudanças em certos genes que são conhecidos por serem relevantes na biologia do câncer. No geral, as descobertas forneceram evidências da complexidade e diversidade das mudanças genéticas que ocorrem em cada tipo de câncer.

Na amostra de câncer de pulmão, os pesquisadores notaram a importância de ampliações gênicas específicas ligadas a resultados de sobrevivência ruins. As mudanças observadas sugeriram que certas alterações gênicas podem servir como marcadores significativos para o prognóstico do câncer de pulmão.

Para o câncer colorretal, os pesquisadores identificaram mudanças cromossômicas específicas relacionadas à progressão da doença e potenciais alvos de tratamento. Essas descobertas enfatizam a importância de entender como certas alterações genômicas afetam o desenvolvimento do câncer e os resultados do tratamento.

Análise em Nível de Coorte e Locais Novos

Para obter uma visão mais ampla das muitas amostras de câncer, os pesquisadores agregaram regiões cromossômicas importantes entre diferentes grupos de câncer. Essa etapa permitiu que eles identificassem padrões abrangentes nas mudanças que são comuns entre os tipos de câncer.

A análise revelou sinais de alta densidade em locais cromossômicos específicos para cânceres como mama, pulmão e colorretal. Cada tipo de câncer tinha suas características únicas, com certas regiões mostrando padrões de mudança mais significativos associados à doença.

A equipe de pesquisa criou representações visuais para destacar a distribuição de loci importantes em todo o genoma. Essas ilustrações ajudaram a mostrar a complexidade das mudanças cromossômicas e suas conexões com a biologia do câncer.

Explorando o Valor Prognóstico

Os pesquisadores buscaram determinar se os loci identificados e os escores de previsão do câncer tinham algum valor para prever os resultados dos pacientes. Algumas mudanças cromossômicas poderiam indicar quão agressivo o câncer poderia ser.

Através da análise estatística, eles identificaram vários loci cromossômicos que afetaram significativamente os resultados dos pacientes, particularmente no câncer de mama. Os resultados indicaram que essas mudanças cromossômicas poderiam ser úteis em ambientes clínicos para avaliar a gravidade do câncer.

Além disso, os escores de previsão do câncer foram analisados para avaliar seu impacto no prognóstico dos pacientes. Os resultados mostraram implicações variadas com base no tipo de câncer, revelando que escores de previsão mais altos poderiam indicar resultados piores ou melhores, dependendo do câncer específico.

Conclusão

O estudo desenvolveu um método para analisar genomas rearranjados usando aprendizado profundo e IA explicável. Ao aplicar essa abordagem a um conjunto substancial de genomas de câncer, os pesquisadores conseguiram classificar os tipos de câncer baseando-se apenas em dados cromossômicos. Isso indica que as mudanças cromossômicas têm papéis significativos na biologia do câncer.

As descobertas abrem caminho para uma melhor compreensão da complexa paisagem genética do câncer e podem potencialmente ajudar no desenvolvimento de tratamentos e diagnósticos direcionados para vários tipos de câncer. Essa pesquisa contribui para os esforços contínuos de aprimorar estratégias de tratamento personalizadas no cuidado do câncer, tornando-se uma adição valiosa ao campo da medicina genômica.

Os pesquisadores devem continuar refinando suas técnicas e explorando novas abordagens para enfrentar os desafios de entender a instabilidade cromossômica e suas implicações no câncer. Esse trabalho em andamento tem o potencial de revelar mais sobre as intrincadas relações entre mudanças genéticas e o desenvolvimento do câncer, melhorando, em última análise, os resultados dos pacientes no futuro.

Fonte original

Título: Explainable deep learning on 7500 whole genomes elucidates cancer-specific patterns of chromosomal instability

Resumo: AbstractChromosomal instability (CIN) refers to an increased rate of chromosomal changes within cells. It is highly prevalent in cancer cells and leads to abnormalities in chromosome number (aneuploidy) and structure. CIN contributes to genetic diversity within a tumour, which facilitates tumour progression, drug resistance, and metastasis. Here, we present a deep learning method and an exploration of the chromosome copy aberrations (CNAs) resultant from CIN, across 7,500 high-depth, whole genome sequences, representing 13 cancer types. We found that the types of CNAs can act as a highly specific classifier for primary site. Using an explainable AI approach, we revealed both established and novel loci that contributed to cancer type, and focusing on highly significant chromosome loci within cancer types, we demonstrated prognostic relevance. We outline how the developed methodology can provide several applications for researchers, including drug target and biomarker discovery, as well as the identification of cancers of unknown primary site.

Autores: Chris P Barnes, M. A. al-Badri, W. C. Cross

Última atualização: 2024-03-13 00:00:00

Idioma: English

Fonte URL: https://www.biorxiv.org/content/10.1101/2024.03.08.584160

Fonte PDF: https://www.biorxiv.org/content/10.1101/2024.03.08.584160.full.pdf

Licença: https://creativecommons.org/licenses/by/4.0/

Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.

Obrigado ao biorxiv pela utilização da sua interoperabilidade de acesso aberto.

Mais de autores

Artigos semelhantes