人工智能识别子宫内膜癌的新高风险亚型
在最近发表的一项研究中 自然通讯一组研究人员使用人工智能 (AI) 对组织病理学图像进行分类，并区分子宫内膜癌亚型。该工具识别出一种称为 NSMP 或无特定分子特征的子宫内膜癌亚型，其特点是疾病侵袭性强且存活率低。 学习： 基于人工智能的组织病理学图像分析揭示了子宫内膜癌的一个独特亚群图片来源：megaflopp/Shutterstock.com 背景 子宫内膜癌可分为四种亚型，每种亚型的治疗意义和预后都有很大的不同。 迄今为止，这些亚型的分类是基于不充分的临床病理学参数和不理想的可重复性，这对癌症的管理产生了直接影响。 肿瘤的组织型和等级分配不一致导致风险评估不准确，从而导致过度治疗或治疗不足，导致复发甚至死亡。 癌症基因组图谱项目表明，外显子组和全基因组测序以及微卫星不稳定性检测可用于根据主要的基因突变将子宫内膜癌分为四种预后亚型。 此外，人工智能工具与深度学习模型的开发也越来越多地应用于医疗领域，用于处理大量图像或文本数据。这些数据随后被用于识别潜在的生物标志物并改善癌症的病理诊断。 关于研究 在目前的研究中，研究人员利用深度学习功能构建了一个基于人工智能的图像分类工具，该工具分析了苏木精和伊红染色的载玻片的组织病理学图像，以区分两种子宫内膜癌亚型 NSMP 和 p53 异常或 p53abn。 第一个是 极 突变亚型，其中参与脱氧核糖核酸（DNA）校对和修复的基因——DNA聚合酶ε或POLE——包含致病突变。 第二种亚型是错配修复缺陷亚型或 MMRd，其中基于免疫组织化学的诊断测试显示缺乏参与错配修复的关键蛋白质。 第三种亚型也是通过免疫组织化学分析进行诊断的，其特征是 p53 肿瘤抑制蛋白异常。 最后一种亚型 NSMP 的诊断是通过消除其他三种亚型的所有诊断特征来实现的，因为该亚型缺乏任何定义特征。 在这里，研究人员使用基于人工智能的图像分类来分析组织病理学特征并区分 NSMP 和 p53abn 亚型。 他们假设，NSMP 亚型中的一组患者的肿瘤在组织学上与 p53abn 亚型患者的肿瘤相似，而应用深度学习模型评估苏木精和伊红染色的载玻片将有助于识别这一亚型。 在这项研究中，研究人员使用了对患有 p53abn 或 NSMP 亚型的子宫内膜癌患者进行子宫切除术时获得的苏木精和伊红染色的组织切片。 该研究使用了由 368 名患者组成的发现队列，并使用两个分别由 614 名和 290 名患者组成的独立队列验证了研究结果。 研究人员还对两种亚型的代表性样本和验证队列中的 p53abn […]
SickKids 的科学家为早期发现心肌病奠定了基础
在第一项使用全基因组测序来检查心脏病中串联重复扩增的研究中，病童医院 (SickKids) 的科学家为心肌病的早期检测和未来的精准治疗奠定了基础。 心肌病是一种遗传性心脏病，每 500 人中就有一人患有心肌病。 这种情况会影响心脏的结构和功能，并最终导致心力衰竭。 SickKids 领导的研究发表于 电子生物医学部分 柳叶刀发现科学，表明串联重复（一种遗传变异形式）在心肌病患者中更常见，并且可能导致 4% 的病例。 已知串联重复扩增 (TRE) 会导致 60 多种病症，并且通常具有遗传成分。 “以前 TRE 参与心肌病的程度尚不清楚，”该研究的共同负责人、遗传学和基因组生物学项目的高级科学家 Ryan Yuen 博士说。 “我们现在知道了另一种方法来识别那些患这种疾病的风险较高的人，这最终可能有助于临床医生更快地诊断患者。” 研究小组还发现 DIP2B 基因中的 TRE 与患心肌病的较高风险之间存在相关性。 揭示 TRE 的确切位置有助于开发精准疗法，作为精准儿童健康 (Precision Child Health) 的一部分，这是 SickKids 的一项运动，旨在为每位患者提供个性化护理。 我们对某种疾病的遗传学了解得越多，我们的治疗就越精确，从而为心肌病和许多其他具有遗传因素的疾病患者提供护理。” Seema Mital 博士，遗传学和基因组生物学项目的高级科学家、心脏病科的心脏病专家以及 SickKids 的心血管研究负责人 TRE 为心肌病干预提供了新目标 研究小组检查了 1,200 名心肌病患者的基因组。 与没有心脏病史的研究参与者相比，Yuen 的研究小组发现，在人体内很少扩展的串联重复序列在患有心肌病的个体中更多地存在。 研究人员注意到主要影响心脏的基因中的串联重复，特别是在左心室中，左心室负责将含氧血液泵入体内。 研究小组还注意到，父母患有心肌病的孩子有更大的 TRE，这种现象被称为“遗传预期”。 […]
我们祖先的基因组可以告诉我们有关现代健康的信息 | 解释
哪里 我们来 从？ 我们的祖先吃什么？ 我们的祖先曾遭遇过哪些逆境？ 为什么我们的一些祖先突然消失了？ 这些以及许多这样的问题 已经让人们着迷 许久。 由尖端基因组技术支持的古代 DNA (aDNA) 研究打开了一扇了解过去的窗户，为我们祖先的基因构成提供了前所未有的见解。 通过从古代骨骼遗骸中提取和分析 DNA，科学家可以重建这些人的基因谱。 对此类祖先 DNA 的研究让人们得以一睹古代社区的遗传多样性和人口动态、他们的迁徙模式、相互作用和对当地环境的适应，甚至了解这些人所面临的疾病以及这些痛苦如何塑造人类进化。 例如，基因组技术为研究人员提供了一种方法来了解在遥远的过去传播的病原体，并追踪它们的起源和进化轨迹。 通过重建这些生命形式的基因组，他们已经能够拼凑出人类历史上传染病的出现、传播和适应。 关于健康，祖先 DNA 能说明什么？ 在最近的一些论文中，研究人员还报告说，他们能够利用 aDNA 序列来了解可能影响古代人类的遗传疾病，并通过这一点打开了解早期人类社区使用的药物和工具的窗口。 这些见解丰富了我们对进化史的了解，并对现代医疗保健产生了影响，因为它们可以让我们了解基因使我们易患的疾病，以及不同人群之间的健康差异是如何产生的。 例如，一些更常见的遗传病是染色体异常的结果。 许多染色体异常会导致染色体数量变化，即整个染色体的额外拷贝或缺失，从而导致不同的临床综合征。 例如，唐氏综合症是由额外的 21 号染色体引起的； 由于额外的 X 染色体而导致克氏综合症； 特纳综合征是由于女性两条 X 染色体之一缺失所致。 祖先 DNA 与疾病史有何关联？ 染色体核型分析是一种可视化细胞中完整染色体组的方法，是诊断此类异常的最佳技术之一。 然而，核型分析需要活细胞，这反过来又需要科学家采用费力的方法对其进行培养和染色。 但得益于过去十年的进步，今天的科学家幸运地可以使用来自片段化和/或降解 DNA 的全基因组测序数据来了解染色体异常。 此后，科学家们也采用这些方法来研究 DNA 中的染色体异常。 例如，1 月 11 日，伦敦弗朗西斯·克里克研究所的研究人员 公布的证据 一些最早已知的特纳综合症、基内费尔特综合症和唐氏综合症的 […]
从基因组医学到癌症治疗的一场革命
2021 年 9 月 8 日在美国国家癌症研究所获得的乳腺癌细胞显微图像。癌症是一种基因组疾病，某些遗传性基因变异构成了乳腺癌等遗传性癌症的基础。 | 照片来源：NCI/Unsplash 癌症已经作为一种 主要公共卫生问题 全球每年新增约 2000 万患者。 世界卫生组织估计，未来十年癌症负担将增加近 60%，有可能成为第二大死因。 根据国家癌症登记处的数据，仅印度每年就新增约 140 万癌症病例，每年近千分之一的印度人被诊断出癌症。 癌症是一种基因组疾病。 它是由基因变化引起的，导致一些细胞以不受控制的方式分裂。 这些变化可以遗传或获得。 遗传性基因变异构成了许多遗传性癌症的基础，包括乳腺癌和卵巢癌。 过去几十年基因组技术的进步，包括癌症基因组图谱等全球倡议，为了解癌症的分子基础提供了强心剂，从而产生了针对分子缺陷的新一代疗法。 精准肿瘤学 此类疗法称为精准肿瘤疗法。 他们在给定环境中的资格是通过分子测试确定的。 在美国食品和药物管理局批准的 200 多种疗法中，近三分之一采用基于 DNA 的测试作为生物标志物。 虽然科学家们正在发现新的癌症生物标志物，但最近的焦点已经转移到了解基因组测试如何成为临床环境中癌症治疗的支柱。 作为英国正在进行的“100,000 基因组计划”的一部分，该计划对 13,800 多名癌症患者进行了研究， 上周发表，表明癌症基因组学确实可以改变癌症治疗。 据报道，该项目证明，基因组测序与常规临床数据相结合可以使癌症治疗更加可定制。 这项研究的意义远远超出了当前医学实践的界限，标志着精准肿瘤学时代的飞跃。 这一转变的核心在于全基因组测序，这种工具可以在一次综合测试中对一个人的整个 DNA（即全部 32 亿个核苷酸）进行测序。 测序和深入分析并不孤立地处理基因组（源自血液）； 相反，它们与从癌组织或肿瘤获得的基因组序列一起发生。 对癌症的见解 在英国范围内的研究中，研究人员获取、测序并分析了患有不同类型癌症的人的基因组； 基因组来自血液和肿瘤组织。 他们的分析揭示了研究人员所说的可以应用于临床环境以指导癌症患者的治疗策略的细节。 值得注意的是，根据这项研究，被诊断患有脑肿瘤以及肠癌或肺癌的人中，有较高比例的人有明显的 DNA 变化，这些变化可能成为治疗的新目标。 这项研究还提供了新颖的见解，甚至可以重塑我们对卵巢癌和肉瘤等挑战性疾病的理解。 例如，大约 10% […]