Di truyền của mô lành lân cận có thể giúp phát hiện sớm ung thư phổi tái phát

NEW YORK, Nov. 8, 2023 – Thông tin di truyền thu thập từ mô lành lặn xung quanh khối u ung thư phổi có thể dự đoán tốt hơn việc ung thư có tái phát sau điều trị so với phân tích chính khối u, theo nghiên cứu mới do NYU Langone Health và Trung tâm Ung thư Perlmutter dẫn đầu.

Nghiên cứu tập trung vào ung thư phổi adenocarcinoma, một loại ung thư hình thành từ tế bào biểu mô phế nang và chiếm khoảng 1/3 tổng số ung thư phổi ở Mỹ, theo Trung tâm Kiểm soát và Phòng ngừa Dịch bệnh Hoa Kỳ. Hầu hết bệnh nhân sẽ được chữa khỏi nếu u được loại bỏ sớm, nhưng khoảng 30% trường hợp tái phát do tế bào ung thư còn sót lại và có thể dẫn đến tử vong. Do đó, các chuyên gia luôn tìm kiếm các dấu chỉ sinh học, hay các yếu tố dự đoán tái phát, có thể kích hoạt điều trị ban đầu mạnh hơn.

Nghiên cứu bao gồm 147 nam và nữ được điều trị ung thư phổi giai đoạn đầu. Nó khảo sát giá trị của transcriptome, tập hợp toàn bộ phân tử RNA cho biết tế bào nên sản xuất protein gì. Phân tích RNA thu thập từ mô xung quanh u chính xác dự đoán ung thư tái phát 83% thời gian, trong khi RNA từ chính khối u chỉ mang ý nghĩa 63% thời gian.

“Kết quả nghiên cứu của chúng tôi cho thấy môi trường biểu hiện gen trong mô xung quanh dường như lành lặn có thể phục vụ như một dấu chỉ sinh học hiệu quả và cho đến nay vẫn chưa được khám phá để dự đoán tái phát ung thư phổi ở giai đoạn sớm nhất của bệnh,” người đồng đầu nghiên cứu Igor Dolgalev, Tiến sĩ cho biết.

Công bố trực tuyến vào ngày 8/11 trên tạp chí Nature Communications, đây là nghiên cứu lớn nhất đến nay so sánh vật liệu di truyền từ khối u và mô xung quanh về khả năng dự đoán tái phát, theo Dolgalev, Phó giáo sư tại Khoa Y học của Trường Y NYU Grossman và là thành viên của Trung tâm Ung thư Perlmutter.

Đối với nghiên cứu, nhóm nghiên cứu thu gần 300 mẫu mô khối u và mô lành lặn từ bệnh nhân ung thư phổi. Họ sau đó giải trình tự RNA từ từng mẫu và nhập dữ liệu này cùng với thông tin bệnh có tái phát trong 5 năm sau phẫu thuật hay không vào thuật toán trí tuệ nhân tạo. Chương trình này sử dụng kỹ thuật “học máy” để xây dựng mô hình toán học ước tính rủi ro tái phát.

Kết quả cho thấy biểu hiện gen liên quan đến viêm hoặc hoạt động miễn dịch tăng cao trong mô xung quanh dường như lành lặn rất hữu ích cho việc dự đoán. Phản ứng bảo vệ này, các tác giả nghiên cứu cho biết, không nên xuất hiện trong mô thực sự lành lặn và có thể là dấu hiệu cảnh báo sớm về bệnh.

“Kết quả của chúng tôi cho thấy mô dường như lành lặn nằm gần khối u thực ra không hoàn toàn lành lặn,” Hua Zhou, nhà sinh học phân tích dữ liệu của NYU Grossman và là thành viên Trung tâm Ung thư Perlmutter cho biết. “Thay vào đó, tế bào ung thư thoát ra có thể kích hoạt phản ứng miễn dịch bất thường này ở các mô xung quanh.”

“Trị liệu miễn dịch, tăng cường khả năng miễn dịch của cơ thể, do đó có thể giúp chống lại sự phát triển khối u trước khi nó trở nên rõ ràng với các phương pháp phát hiện truyền thống,” Aristotelis Tsirigos, Tiến sĩ, nhà sinh học ung thư và là đồng tác giả chính của nghiên cứu cho biết thêm.

Tsirigos, Giáo sư tại Khoa Phác đồ của Trường Y NYU Grossman và là thành viên Trung tâm Ung thư Perlmutter, cảnh báo rằng nghiên cứu này đã làm việc ngược lại, huấn luyện chương trình máy tính sử dụng các trường hợp đã biết có bệnh tái phát hay không.

Do đó, nhóm nghiên cứu kế tiếp dự định sử dụng chương trình này để đánh giá rủi ro tái phát trước tiên ở bệnh nhân mới điều trị ung thư phổi giai đoạn đầu, Tsirigos cho biết, người cũng là giám đốc Phòng thí nghiệm Ứng dụng Sinh học của NYU Langone.

Nghiên cứu được tài trợ bởi các khoản trợ cấp R37CA244775 và U01CA214195 của Viện Y tế Quốc gia. Hỗ trợ bổ sung đến từ Chương trình Trợ cấp Nghiên cứu Đẳng cấp của Hiệp hội Nghiên cứu Ung thư và Chương trình Tiếp cận các Nhà khoa học Xuất sắc của Roche.

NYU Langone đang có bằng sáng chế dự kiến (TSI03-02PRO) cho công cụ chẩn đoán phát triển từ cách tiếp cận này. Tsirigos, Dolgalev, Zhou, các nhà nghiên cứu chính khác là Harvey Pass, MD; Andre Moreira, MD; và Leopoldo Segal, MD; cũng như NYU Langone có thể hưởng lợi tài chính từ bằng sáng chế này. Các điều khoản và điều kiện của mối quan hệ này đang được quản lý tuân thủ chính sách của NYU Langone Health.

Ngoài Dolgalev, Zhou và Tsirigos, các nhà nghiên cứu NYU Langone khác tham gia nghiên cứu bao gồm Hortense Le, MS; Theodore Sakellaropoulos, Tiến sĩ; Nina Shenker-Tauris, MS; Nicolas Coudray, Tiến sĩ; Varshini Vasudevaraja, MS; Kelsey Zhu, BS; Chandra Goparaju, Tiến sĩ; Yonghua Li, Tiến sĩ; Imran Sulaiman, BS; Jun-Chieh Tsay, BS; Peter Meyn; Hussein Mohamed, PE; Iris Sydney, BA; Sitharam Ramaswami, Tiến sĩ; Navneet Narula, BS; Luis Chiriboga, Tiến sĩ; Adriana Heguy, Tiến sĩ; Thales Papagiannakopoulos, Tiến sĩ; Matija Snuderl, BS; Salman Punekar, BS; Vamsidhar Velcheti, BS; J.T. Poirier, Tiến sĩ; Benjamin G. Neel, Tiến sĩ và Kwok-Kin Wong, Tiến sĩ.

Các đồng tác giả khác bao gồm Anna Yeaton, BS tại Viện Broad thuộc MIT và Đại học Harvard ở Cambridge, Massachusetts; Ruth Kulicke, BS; Fred Davis, BS; Nicolas Stransky, Tiến sĩ; và Gromoslaw Smolen, Tiến sĩ tại Celsius Therapeutics, cũng ở Cambridge; và Wei-Yi Cheng, Tiến sĩ, và James Cai, Tiến sĩ tại Trung tâm Đổi mới Roche ở Thành phố New York.

Liên hệ báo chí:
Shira Polan
Điện thoại: 212-404-4279
shira.polan@nyulangone.org

Nguồn: Trường Y NYU Grossman và NYU Langone Health