CC BY
0Материалы и методы
Исследование проведено на 96 образцах РМЖ с люминальным Her2-негативным иммунофенотипом, которые по характеру экспрессии Her2/neu были разделены на две группы — с низкой экспрессией Her2/neu (n=43) и с полным отсутствием экспрессии Her2/neu (n=53). Шличие мутаций PI^CA определяли с помощью коммерчески доступного набора cobas PIK5CA MutationTest (Roche, Германия) методом ПЦР в режиме реального времени на анализаторе cobas z 480.
Результаты
Мутации гена PIK5CA выявлены в 41,6% случаев, что соответствует литературным данным [1, 2]. Большинство мутаций PI^CA локализовалось в 9-м и 20-м экзонах, кодирующих спиральный (p.E542K, p.E545X) или киназный (p.H1047X) домен PI3, соответственно. Мутация p.E542K была выявлена в 17,5% случаев, Р.Е545Х — в 27,5%, p.H1047X — в 42,5%. Частота мутаций p.E542K и p.E545X варьировала от 26,3% в опухолях с отсутствием экспрессии Her2/neu до 61,9% в Her2-low РМЖ (p<0,05), что указывает на возможные различия в механизмах активации сигнального пути PI3K/Akt/mTOR в этих двух группах. В отношении мутаций в 20-м экзоне, соответствующих киназному домену белка р110а, статистически значимых различий выявлено не было.
Выводы
В группе больных РМЖ с Her2-low статусом обнаружено статистически значимое увеличение частоты мутаций в 9-м экзоне гена PI^CA, кодирующем спиральный домен каталитической субъединицы р110а белка PI3K. Эти данные свидетельствуют о том, что Her2-low и РМЖ с отсутствием экспрессии Her2/neu могут отличаться как минимум некоторыми механизмами активации сигнального пути PI3K/Akt/mTOR. Характер мутаций гена PI^CA и особенности активации каскада PI3K/Akt/mTOR в различных типах РМЖ заслуживают дальнейшего всестороннего изучения.
Список литературы
1. Martínez-Sáez O ., Chic N . , Pascual T et al . Frequency and spectrum of PIK3CA somatic mutations in breast cancer. Breast Cancer Res . 2020;22:45 . https://doi.org/10.1186/s13058-020-01284-9
2 . Fillbrunn M ., Signorovitch J ., André F., et al . PIK3CA mutation status, progression and survival in advanced HR+/HER2- breast
cancer: a meta-analysis of published clinical trials . BMC Cancer. 2022;22(1):1002 . https://doi . org/10 ,1186/s12885-022-10078-5
3 . Modi S ., Jacot W. , Yamashita T et al . Trastuzumab Deruxtecan in Previously Treated HER2-Low Advanced Breast Cancer.
N Engl J Med . 2022;387:9-20 https://doi.org/10.1056/NEJMoa2203690
4 . Grassini D . , Cascardi E ., Sarotto I . et al . Unusual Patterns of HER2 Expression in Breast Cancer: Insights and Perspectives .
Pathobiology. 2022;89(5):278-296 . https://doi . org/10 .1159/000524227
Опыт применения биоинформатических методов анализа структуры метилирования генома на этапе морфологической диагностики в нейроонкологии
Авторы:
(1) Петрова Екатерина Игоревна, petrovaei@nsi.ru, ФГАУ «^МИНЦ нейрохирургии им. академика H.H. Бурденко» Минздрава России, Москва
(2) Рыжова Марина Владимировна, MRizhova@nsi.ru, ФГАУ «^М^Щ, нейрохирургии им. академика H.H. Бурденко» Минздрава России, Москва
(3) Галстян Сюзанна Андраниковна, SGalstyan@nsi.ru, ФГАУ «^МИД нейрохирургии им. академика H.H. Бурденко» Минздрава России, Москва
(4) Телышева Екатерина Николаевна, telisheva_k@mail.ru, ФГАУ «^МИи, нейрохирургии им. академика H.H. Бурденко» Минздрава России, Москва
Ключевые слова
нейроонкология, молекулярная диагностика, эпигенетика, классификация опухолей, метилирование ДИК, машинное обучение
Актуальность
По новой классификации ВОЗ опухолей UHC (2021) [1], оценка структуры метилирования генома с помощью специальных микрочипов —перспективный метод определения молекулярных классов опухолей
ЦНС, она должна входить в практику морфологической и молекулярной диагностики. В диагноз помимо морфологических критериев рекомендовано включать вывод о молекулярном классе опухоли на основе генетических исследований [2]. В качестве эталона интерпретации данных о структуре метилирования ДНК, извлекаемых из биопсийного материала, были предложены платформы — классификаторы опухолей на основе машинного обучения [3]. Использование подобных готовых решений связано с рядом ограничений и не всегда позволяет сформировать заключение о метиляционном классе опухоли из-за гетерогенности образца или отсутствия похожих образцов в контрольной группе. Обойти эти ограничения можно, применяя другие методы анализа и визуализации биологических данных, позволяющие выявлять значимые взаимосвязи между образцами, группировать их по сходству, обнаруживать хромосомные аномалии и свидетельствовать в пользу определенного диагноза.
Цель
Мы исследовали доступные биоинформатические инструменты для обработки и интерактивной визуализации результатов анализа большой когорты данных метилирования ДНК на основе алгоритмов снижения размерности и анализа вариаций числа копий ДНК с целью поиска оптимального подхода для улучшения диагностики.
Материалы и методы
Проводился анализ данных метилирования ДНК 545 образцов (замороженной ткани или парафиновых блоков) опухолей ЦНС пациентов, обратившихся в НМИЦН им. Н.Н. Бурденко в 2020-2022 гг. Образцы ДНК были подготовлены с помощью набора Illumina Infinium MethylationEPIC BeadChip Kit [4]. Для вычислительной обработки исходных данных применялись библиотеки языка R: minfi, Rtsne, umap, conumee [5-8], а также графические библиотеки R plotly и shiny.
Результаты
После обработки данных метилирования с помощью онлайн-классификатора [3] исходный диагноз был уточнен до молекулярного класса в 51% случаев, остался без изменений в 24%, изменен на новый в 8%, не удалось определить в 17% случаев. Для ряда неклассифицируемых образцов удалось уточнить диагноз путем визуализации через алгоритмы UMAP/tSNE, а также оценки вариации числа копий генома.
Выводы
Наш подход с использованием дополнительных инструментов обработки и визуализации данных метилирования ДНК, а также вычисления вариаций числа копий генома является перспективным, так как позволяет извлечь дополнительную информацию из результатов молекулярного исследования, наглядно оценить сходство образцов и повысить качество диагностики в спорных случаях, когда другие доступные методы показывали противоречивые результаты [9, 10].
Список литературы
1. Louis DN, Perry A, Wesseling P, et al . The 2021 WHO Classification of Tumors of the Central Nervous System: a summary. Neuro Oncol . 2021;23(8):1231-1251. https://doi . org/10 ,1093/neuonc/noab106
2 . Smith HL, Wadhwani N, Horbinski C . Major Features of the 2021 WHO Classification of CNS Tumors [published online
ahead of print, 2022 May 16] . Neurotherapeutics . 2022;10 . 1007/s13311-022-01249-0. https://doi . org/10 ,1007/s13311-022-01249-0
3 . Capper D, Jones DTW, Sill M, et al . DNA methylation-based classification of central nervous system tumours . Nature .
2018;555(7697):469-474. https://doi . org/10 ,1038/nature26000
4 . Mansell G, Gorrie-Stone TJ, Bao Y et al . Guidance for DNA methylation studies: statistical insights from the Illumina EPIC
array. BMC Genomics . 2019;20(1):366 . https://doi . org/10 . 1186/s12864-019-5761-7
5 . van der Maaten L . J . P and Hinton G . E . Visualizing High-Dimensional Data Using t-SNE . Journal of Machine Learning Re-
search 9(Nov):2579-2605, 2008 . https://lvdmaaten . github . io/publications/papers/JMLR_2008 . pdf
6 . Mclnnes, L., Healy, J . , Melville J . UMAP: Uniform Manifold Approximation and Projection for Dimension Reduction, ArXiv
e-prints (2018) . arXiv:1802. 03426v3
7 Aryee MJ, Jaffe AE, Corrada-Bravo H, et al Minfi: a flexible and comprehensive Bioconductor package for the analysis of Infinium DNA methylation microarrays . Bioinformatics . 2014;30(10):1363-1369 . https://doi . org/10 ,1093/bioinformatics/btu049
8 . Hovestadt V, Zapatka M . conumee: Enhanced copy-number variation analysis using Illumina DNA methylation arrays . R
package version 1. 9 . 0, http://bioconductor. org/packages/conumee/
9 . Рыжова М . В . , Галстян С .А., Телышева Е. Н . Значение оценки метилирования ДНК в морфологической диагностике
опухолей ЦНС . Архив патологии . 2022;84(3):65-75 . https://doi . org/10 . 17116/patol20228403165
10 . Петрова Е. И ., Галстян С .А. , Телышева Е . Н ., Рыжова М . В . Визуализация результатов анализа структуры метилирования
ДНК как инструмент контроля качества молекулярной классификации опухолей ЦНС . Российский нейрохирургический журнал им . профессора А . Л . Поленова . 2022 . Т 14 . № 4 . С . 64-70 . DOI 10 . 56618/20712693_2022_14_4_64 .
