Radiogenomika
Termin radiogenomika jest używany w dwóch kontekstach: albo w odniesieniu do badania zmienności genetycznej związanej z reakcją na promieniowanie (genomika radiacyjna), albo w odniesieniu do korelacji między cechami obrazowania raka a ekspresją genów (genomika obrazowania).
Genomika radiacyjna
W genomice radiacyjnej termin radiogenomika odnosi się do badania zmienności genetycznej związanej z reakcją na radioterapię . Zmienność genetyczną, np. polimorfizm pojedynczego nukleotydu , bada się w odniesieniu do ryzyka wystąpienia toksyczności u pacjenta chorego na nowotwór po radioterapii . Jest również stosowany w kontekście badania genomiki odpowiedzi nowotworu na radioterapię .
Termin radiogenomika został ukuty ponad osiemnaście lat temu przez Andreassena i in. (2002) jako analogię do farmakogenomiki , która bada zmienność genetyczną związaną z reakcją na lek. Zobacz także Westa i in. (2005) i Bentzena (2006).
Konsorcjum Radiogenomiki
W 2009 roku powołano Konsorcjum Radiogenomiki (RGC), aby ułatwić i promować wieloośrodkową współpracę badaczy łączącą warianty genetyczne z odpowiedzią na radioterapię. Konsorcjum Radiogenomics ( http://epi.grants.cancer.gov/radiogenomics/ ) to konsorcjum epidemiologii nowotworów wspierane przez Program badań epidemiologicznych i genetycznych Narodowego Instytutu Onkologii Narodowego Instytutu Zdrowia. Naukowcy z RGC przeprowadzili liczne badania kliniczne, które zidentyfikowały warianty genetyczne powiązane z toksycznością popromienną u pacjentów z nowotworami prostaty, piersi, płuc, głowy i szyi oraz innymi nowotworami.
Obrazowanie genomiki
Obrazy radiologiczne są wykorzystywane do diagnozowania chorób na dużą skalę: obrazowanie tkanek koreluje z patologią tkanek . Dodanie danych genomicznych, w tym mikromacierzy DNA , miRNA i RNA-Seq, umożliwia dokonanie nowych korelacji między genomiką komórkową a obrazowaniem w skali tkankowej.
Praktyka i zastosowania genomiki obrazowania
W obrazowaniu genomiki radiogenomika może być wykorzystywana do tworzenia biomarkerów obrazowania , które mogą identyfikować genomikę choroby, zwłaszcza raka , bez użycia biopsji . Stosowane są różne techniki przetwarzania danych wielowymiarowych w celu znalezienia statystycznie istotnych korelacji między MRI , CT i PET a genomiką chorób, w tym SAM , VAMPIRE i GSEA.
Metoda obrazowania radiogenomicznego okazała się skuteczna w określeniu fenotypu MRI związanego z genetyką glejaka wielopostaciowego , bardzo agresywnego typu guza mózgu o niskim rokowaniu. Pierwsze zakrojone na dużą skalę badanie korelacji mikroRNA-mRNA w GBM za pomocą obrazowania MR zostało opublikowane przez Zinna i in. w 2011 r. Podobne badania nad rakiem wątroby pozwoliły z powodzeniem określić znaczną część genomu raka wątroby na podstawie nieinwazyjnych metod obrazowania. Gevaert i in. na Uniwersytecie Stanforda wykazali możliwość łączenia cech obrazu niedrobnokomórkowych guzków płuc w tomografii komputerowej w celu przewidywania przeżycia poprzez wykorzystanie publicznie dostępnych danych dotyczących ekspresji genów. Publikacji towarzyszył artykuł redakcyjny omawiający synergię pomiędzy obrazowaniem i genomiką. Niedawno Mu Zhou i in. na Uniwersytecie Stanforda wykazali, że liczne powiązania między cechami obrazu semantycznego a metagenami reprezentującymi kanoniczne szlaki molekularne mogą skutkować nieinwazyjną identyfikacją właściwości molekularnych niedrobnokomórkowego raka płuc.
Obecnie przeprowadzono kilka badań radiogenomicznych raka prostaty. Niektórzy zauważyli, że cechy genetyczne powiązane z sygnałem MRI są często powiązane z bardziej agresywnym rakiem prostaty. Systematyczny przegląd cech genetycznych stwierdzonych w bardziej widocznych zmianach w obrazie MRI pozwolił na zidentyfikowanie wielu badań, w których stwierdzono utratę supresora nowotworu PTEN , zwiększoną ekspresję genów powiązaną z proliferacją komórek jak również interakcje komórka-ECM. Może to wskazywać, że pewne cechy genetyczne napędzają zmiany komórkowe, które ostatecznie wpływają na przepływ płynów, co można zobaczyć w badaniu MRI, a cechy te są głównie związane ze złym rokowaniem. Połączenie bardziej niebezpiecznych zmian genetycznych, histologii i wyników klinicznych u pacjentów z guzami prostaty, które są widoczne w mpMRI, doprowadziło do sugestii, że definicja „raka istotnego klinicznie” powinna przynajmniej częściowo opierać się na wynikach mpMRI.
Metodę radiogenomiczną z powodzeniem zastosowano także w leczeniu raka piersi. W 2014 roku Mazurowski i in. wykazali, że dynamika wzmocnienia w badaniu MRI, obliczona przy użyciu algorytmów widzenia komputerowego, jest powiązana z podtypem molekularnym nowotworu opartym na ekspresji genów u pacjentów z rakiem piersi.
Programy badające powiązania między radiologią i genomiką są aktywne na Uniwersytecie Pensylwanii , UCLA , MD Anderson Cancer Center , Uniwersytecie Stanforda oraz w Baylor College of Medicine w Houston w Teksasie.
Zobacz też
Dalsza lektura
- https://epi.grants.cancer.gov/radiogenomics/
- Kerns, Sarah L.; Dorling, Leila; Fachal, Laura; Bentzen, Søren; Faraon, Paweł DP; Barnes, Daniel R.; Gómez-Caamaño, Antonio; Carballo, Ana M.; Dearnaley, David P.; Peleteiro, Paula; Gulliford, Sarah L.; Sala, Emma; Michailidou, Kyriaki; Carracedo, Anioł; Sia, Michael; Stock, Richard; Kamień, Nelson N.; Sydes, Matthew R.; Tyrer, Jonathan P.; Ahmed, Shahana; Parlament, Mateusz; Ostrer, Harry; Rosenstein, Barry S.; Vega, Ana; Burnet, Neil G.; Dunning, Alison M.; Barnett, Gillian C.; Zachód, Catharine ML; Radiogenomika, konsorcjum. (sierpień 2016). „Metaanaliza badań asocjacyjnych obejmujących cały genom identyfikuje markery genetyczne późnej toksyczności po radioterapii raka prostaty” . EBioMedycyna . 10 : 150–163. doi : 10.1016/j.ebiom.2016.07.022 . PMC 5036513 . PMID 27515689 .
- Zinn, Pascal O.; Sathyan, Pratheesh; Mahajan, Bhanu; Bruyere, John; Hegi, Monika; Majumder, Sadhan; Colen, Rivka R. (2012). Leśniak, Maciej S (red.). „Nowatorska klasyfikacja glejaka wielopostaciowego z objętością i wiekiem KPS (VAK) identyfikuje prognostyczną sygnaturę pokrewnego genu mikroRNA” . PLOS JEDEN . 7 (8): e41522. Kod Biblioteki : 2012PLoSO...741522Z . doi : 10.1371/journal.pone.0041522 . PMC 3411674 . PMID 22870228 .
- Segal, Eran; Sirlin, Claude B.; Ooi, Klara; Adler, Adam S.; Gollub, Jeremy; Chen, Xin; Chan, Bryan K.; Matcuk, George R.; i in. (2007). „Dekodowanie globalnych programów ekspresji genów w raku wątroby za pomocą nieinwazyjnego obrazowania”. Biotechnologia Przyrody . 25 (6): 675–80. doi : 10.1038/nbt1306 . PMID 17515910 . S2CID 10499664 .
- Andreassen CN, Barnett GC, Langendijk JA, Alsner J, De Ruysscher D, Krause M, Bentzen SM, Haviland JS, Griffin C, Poortmans P, Yarnold JR (2012). „Przeprowadzanie badań radiogenomicznych - Nie zapomnij o dokładnym rozważeniu danych klinicznych”. Radiother Oncol . 105 (3): 337–40. doi : 10.1016/j.radonc.2012.11.004 . PMID 23245646 .
- Zachód, CM; Barnetta GC (2011). „Genetyka i genomika toksyczności radioterapii: w kierunku przewidywania” . Medycyna Genomu . 3 (8): 52. doi : 10,1186/gm268 . PMC 3238178 . PMID 21861849 .
- Och, JH; Kerns, S; Ostrer, H; Powell, Senat; Rosensteina, B; Deay, JO (2017). „Metody obliczeniowe wykorzystujące badania asocjacyjne obejmujące cały genom w celu przewidywania powikłań radioterapii i identyfikacji korelacyjnych procesów molekularnych” . Rep . Naukowy 7 : 43381. Bibcode : 2017NatSR...743381O . doi : 10.1038/srep43381 . PMC 5324069 . PMID 28233873 .
- Hall, William A.; Bergom, Carmen; Thompson, Reid F.; Baschnagel, Andrew M.; Vijayakumar, Srinivasan; Willers, Henning; Li, X. Allen; Schultz, Christopher J.; Wilson, George D.; Zachód, Catharine ML; Capała, Jacek; Coleman, C. Norman; Torres-Roca, Javier F.; Weidhaas, Joanna; Feng, Felix Y. (czerwiec 2018). „Onkologia precyzyjna i radioterapia sterowana genomowo: raport Amerykańskiego Towarzystwa Radioterapii Onkologicznej / Amerykańskiego Stowarzyszenia Fizyków Medycyny / Konferencji Medycyny Precyzyjnej Narodowego Instytutu Raka” . International Journal of Radiation Oncology, Biology, Physics . 101 (2): 274–284. doi : 10.1016/j.ijrobp.2017.05.044 . PMID 28964588 .
- Lee, S.; Kerns, S; Ostrer, H; Rosensteina, B; Deasy, JO; Och, JH (2018). „Uczenie maszynowe w badaniu stowarzyszenia obejmującym cały genom w celu przewidywania późnej toksyczności układu moczowo-płciowego po radioterapii prostaty” . Int J Radiat Oncol Biol Phys . 101 (1): 128–135. doi : 10.1016/j.ijrobp.2018.01.054 . PMC 5886789 . PMID 29502932 .
- Johnsona, K.; Chang-Claude, J; Critchley, AM; Kyriacou, C; Lavers, S; Rattay, T; Seibold, P; Webb, A; Zachód, C; Symonds, RP; Talbot, CJ; Konsorcjum, Requite (styczeń 2019). „Warianty genetyczne przewidują optymalny czas radioterapii w celu zmniejszenia skutków ubocznych u pacjentów z rakiem piersi” . Clin Oncol (R Coll Radiol) . 31 (1): 9–16. doi : 10.1016/j.clon.2018.10.001 . PMID 30389261 .
- Mbah, C; De Ruyck, K; De Schrijver, S.; De Sutter, C.; Schiettecatte, K.; Monten, C.; Paelinck, L.; De Neve, W.; Thierens, H.; Zachód, C.; Amorim, G.; To O.; Veldeman, L. (2018). „Nowe podejście do modelowania ogólnej radiowrażliwości pacjentów i przewidywania wielu punktów końcowych toksyczności u pacjentów z rakiem piersi” . Acta Oncologica . 57 (5): 604–12. doi : 10.1080/0284186X.2017.1417633 . PMID 29299946 .