相关实验视频
Updated: Jul 4, 2025
08:40
Methyl-binding DNA capture Sequencing for Patient Tissues
Published on: October 31, 2016
8.6K
使用向甲基化测序面板预测未知的原发性癌症的起源组织
Miaomiao Sun1, Bo Xu2, Chao Chen1
1Department of Pathology, Henan Key Laboratory of Tumor Pathology, The First Affiliated Hospital of Zhengzhou University, Zhengzhou, China.
Clinical epigenetics
|February 9, 2024
概括
一个新的甲基化分类器准确地预测未知的原发性癌症的原始癌症组织. 这种基于DNA甲基化的方法有助于风险评估,并指导向癌症治疗.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 表观遗传学 在表观遗传学中,表观遗传学是指表观遗传学.
背景情况:
- 未知原发性癌症 (CUP) 由于其稀有性,不良预后和无法识别的原始组织,因此具有诊断上的挑战.
- 在不同组织和癌症类型中,不同的DNA甲基化模式为识别CUPs的起源提供了潜在的途径.
- 准确的起源组织识别对于风险分层和指导部位导向癌症疗法至关重要.
研究的目的:
- 开发和验证基于机器学习的分类器,利用DNA甲基化资料来预测未知原始癌症 (CUP) 的原始组织.
- 建立一个有针对性的甲基化测序小组,以准确地预测CUP患者的起源组织.
- 探索特定CpG甲基化水平作为癌症诊断和查的生物标志物的潜力.
主要方法:
- 来自癌症基因组图谱 (TCGA) 的全基因组DNA甲基化资料数据集使用机器学习进行了分析.
- 开发了一个200-CpG甲基化特征分类器,用于CUP组织原产地预测 (MFCUP).
- 使用公开的甲基化阵列数据和针对性双硫酸盐测序在Formalin-fixed paraffin-embedded (FFPE) 样本上进行MFCUP的验证.
主要成果:
- 在25种癌症类型的大型验证队列 (n=5923) 中,MFCUP分类器实现了高精度 (97.2%).
- 在Infinium 450K和EPIC数组数据集的验证中,准确度分别为93.4%和84.8%.
- 基于MFCUP的向双硫酸盐测序小组,在78名患者的FFPE样本中的88.5%正确识别了原产组织.
结论:
- 基于甲基化的癌症分类器和向甲基化测序面板在预测不同癌症类型的起源组织方面表现出高准确性.
- 这些工具对改善未知原发性癌症 (CUP) 的诊断和管理具有重大潜力.
- 特定的CpG甲基化模式可以作为早期癌症检测和查的有价值的生物标志物.
