AI发现了隐藏在"垃圾"DNA片段中的癌症驱动因素

研究发现，这些区域的突变与 12 种不同的癌症类型有关。这些突变发生在CTCF蛋白的结合位点上，而这些位点对于维持基因组的三维结构至关重要。这些位点的破坏可能会导致癌症的发生。研究结果表明，针对这些不同癌症的共同突变，有可能找到一种通用的癌症治疗方法。

根据加文医学研究所（Garvan Institute of Medical Research）的一项新研究，非编码DNA--占我们基因组的98%，不包含制造蛋白质的指令--可能是新的癌症诊断和治疗方法的关键。这些研究结果发表在《核酸研究》（Nucleic Acids Research）杂志上，揭示了以前被忽视的基因组区域中的突变，这些突变可能导致至少 12 种不同癌症的形成和发展，包括前列腺癌、乳腺癌和结肠直肠癌。

这一发现可能会带来早期诊断和对多种癌症有效的新疗法。

"非编码DNA由于明显缺乏功能，曾一度被视为'垃圾DNA'，该研究的共同通讯作者、加万研究官阿曼达-库里（Amanda Khoury）博士说。"我们的研究发现，这些DNA区域的突变可能为癌症治疗开辟一种全新的通用方法。"

人类乳腺癌细胞（蓝色）中可视化的 DNA 损伤（绿色）。资料来源：加文研究所

研究人员重点研究了影响一种名为 CTCF 的蛋白质结合位点的突变，这种蛋白质有助于将 DNA 长链折叠成特定形状。在之前的研究中，他们发现这些结合位点能将 DNA 的遥远部分拉近，形成三维结构，从而控制基因的开启或关闭。

Khoury博士说："我们已经确定了一个'持久'的CTCF结合位点子集，即它们就像基因组中的锚，存在于不同的细胞类型中。我们假设，如果这些锚出现问题，就会破坏基因组的正常三维组织，导致癌症。"

为了验证这一点，研究人员开发了一种名为CTCF-INSITE的新型复杂机器学习（AI）工具，它利用基因组和表观基因组特征来预测哪些CTCF位点有可能成为12种癌症类型中的持久性锚点。然后，他们评估了国际基因组联盟数据库（International Genome Consortium database）中这12种癌症类型患者的3000多份肿瘤样本，发现这些持久性锚点富含突变。

阿曼达-库里（Amanda Khoury）博士和苏珊-克拉克（Susan Clark）教授在澳大利亚悉尼的加文医学研究所（Garvan Institute of Medical Research）。图片来源：加文研究所

该研究的第一作者陈文汉博士说："利用我们的机器学习工具，我们确定了 12 种不同癌症类型中的持久性 CTCF 结合位点。值得注意的是，我们发现每个癌症样本中都至少有一个持久性 CTCF 结合位点发生了突变。"

"这项研究证实，持续存在的 CTCF 结合位点是癌症中的'突变热点'。我们认为这些突变给癌细胞带来了生存优势，使它们能够增殖和扩散，"Khoury 博士补充说。

这些发现可能对了解和治疗多种类型的癌症产生广泛影响。加文癌症表观遗传学实验室主任、该研究的主要作者苏珊-克拉克教授说："大多数新的癌症治疗方法都必须仔细地针对特定的突变，而这些突变在不同的肿瘤类型中并不总是常见的，但是由于这些CTCF锚在多种不同的癌症类型中都发生了突变，我们就有可能开发出对多种癌症都有效的方法。"

研究人员目前正计划利用CRISPR基因编辑技术进一步开展大规模实验，研究这些锚突变是如何破坏三维基因组并可能促进癌症生长的。

克拉克教授说："既然我们已经发现了我们认为是基因组的关键锚，并证明它们对维持基因组结构的平衡非常重要，那么这些非编码DNA突变会破坏癌细胞中的这种平衡也就说得通了--我们将在编辑这些突变时对这一假设进行检验。通过观察下游影响，我们希望找出受突变影响的关键基因或基因通路，它们可以作为癌症早期检测的标记或新疗法的靶点。"

"找到这些隐藏在海量数据中的线索，是人工智能如何促进医学研究的有力例证，"她说。"这是癌症研究的一个全新领域，我们很高兴能进一步探索它"。

编译自/ScitechDaily