肝细胞癌与TERT,TP53和CTNNB1的同时突变:人工智能有没有作用?

科学领域:

• 肝胆病原体的发生
• 癌症基因组学 癌症基因组学
• 分子瘤学分子瘤学

背景情况:

• 肝细胞癌 (HCC) 呈现出显著的形态和遗传异质性.
• 在HCC中常见的驱动突变包括TP53,CTNNB1和TERT促进器突变.
• 对病理学家来说,区分HCC亚型是非常具有挑战性的.

研究的目的:

• 报告和分析两个罕见的HCC病例,同时发生TP53,CTNNB1和TERT促剂的共变.
• 研究在形态上不同的HCC区域内的克隆结构和突变分布.
• 探索人工智能在HCC分类中的潜力.

主要方法:

• 对两名同时出现TP53,CTNNB1和TERT促进器突变的HCK患者的案例研究.
• 针对β-catenin和谷氨胺合成酶表达的自动免疫组织化学.
• 下一代测序 (NGS) 分析微切割的瘤区域,具有不同等级和蛋白质表达.

主要成果:

• 这两种病例均呈现了TP53,CTNNB1和TERT-促进体的同时突变.
• NGS分析显示,在所有分析的微区域中,所有三种突变的共同存在,不论瘤等级或蛋白质表达.
• 在不同瘤区域之间没有发现突变负担的显著差异.

结论:

• 这些发现表明,这些HCCs源于一个单一的瘤克隆,其中包含所有驱动突变,从而导致表型多样性.
• 观察到的瘤等级和蛋白质表达的异质性很可能是由单个克隆驱动的,而不是由不同的亚克隆驱动的.
• 突变预测人工智能模型显示出改善形态遗传HCC分类的灵敏度,特异性和可重复性的承诺.