Identyfikacja diagnostycznych i prognostycznych biomarkerów w gruczolakoraku płuca poprzez zintegrowaną analizę bioinformatyczną i walidację metodą PCR w czasie rzeczywistym

Dlaczego wczesne wykrycie raka płuca ma znaczenie

Rak płuca jest jednym z najgroźniejszych nowotworów, w dużej mierze dlatego, że często wykrywany jest zbyt późno. Najczęstsza postać, gruczolakorak płuca, może rozwijać się skrycie przez lata, zanim pojawią się objawy. W tym badaniu sprawdzono, czy wzorce w krwi i tkance guza mogą ujawniać chorobę znacznie wcześniej. Poprzez połączenie dużych zbiorów danych genetycznych z sztuczną inteligencją, a następnie weryfikację wyników u rzeczywistych pacjentów, badacze dążą do znalezienia prostych markerów krwi, które mogłyby w przyszłości pomóc lekarzom wykrywać raka płuca wcześniej i lepiej ukierunkować leczenie.

Poszukiwanie sygnałów ostrzegawczych w genach

Zespół rozpoczął od danych z sekwencjonowania RNA pochodzących od 522 osób, w tym 506 chorych na gruczolakoraka płuca i 16 zdrowych kontrolnych. RNA jest „roboczą kopią” naszych genów i odzwierciedla, które geny są w komórkach włączone lub wyłączone. Po starannym oczyszczeniu i znormalizowaniu danych porównano poziomy aktywności genów między próbkami nowotworowymi a nienowotworowymi. Wykryto 3513 genów, których aktywność była istotnie różna u pacjentów. Te geny, zwane genami różnicowo eksprymowanymi, stały się surowcem dla modelu komputerowego, który mógł nauczyć się rozróżniać tkankę nowotworową od zdrowej na podstawie wzorców genowych.

Nauczanie komputerów rozpoznawania raka

Aby przesiać tysiące genów, badacze zastosowali podejście uczenia głębokiego — rodzaj sztucznej inteligencji inspirowany sieciami komórek mózgowych. Zbudowali sieć neuronową z kilkoma ukrytymi warstwami, która przyjmowała dane o aktywności genów i uczyła się klasyfikować każdą próbkę jako nowotworową lub zdrową. Model był trenowany na większości danych, a następnie testowany na oddzielnej części, której wcześniej nie widział. Wyniki były uderzające: system poprawnie identyfikował przypadki i grupy kontrolne z około 98% dokładnością, pole pod krzywą (AUC) wyniosło 1,0 (wynik bliski doskonałości), a szacunki prawdopodobieństw cechowały się bardzo niskim błędem. Z tego modelu wyodrębniono 20 genów, które najsilniej wpływały na jego decyzje, wskazując krótką listę obiecujących kandydatów do dalszych badań.

Z przewidywań komputerowych do rzeczywistych testów krwi

Znalezienie wzorców genowych w dużych bazach danych ma sens tylko wtedy, gdy te wzorce pojawiają się u rzeczywistych ludzi. Aby to sprawdzić, badacze pobrali krew od 30 pacjentów z gruczolakorakiem płuca (wszyscy we wczesnym do średniego stadium choroby i bez wcześniejszego leczenia) oraz od 30 zdrowych wolontariuszy dobranych pod względem wieku i płci. Metodą laboratoryjną zwaną PCR w czasie rzeczywistym zmierzono, jak silnie wyrażone są w komórkach krwi kilka przewidywanych genów‑markerów. Cztery geny wyróżniły się szczególnie. CYP2C9, KRT14 i PECAM1 były znacznie bardziej aktywne we krwi pacjentów niż u zdrowych osób, podczas gdy A2M było mniej aktywne. Na przykład poziomy CYP2C9 były około czterokrotnie wyższe, a KRT14 około ośmiokrotnie wyższe u pacjentów, podczas gdy A2M występowało w przybliżeniu w połowie ilości. Te wyraźne różnice sugerują, że skomponowany test krwi na te markery mógłby pomóc rozróżnić osoby z gruczolakorakiem płuca.

Wskazówki dotyczące rokowania i zachowania choroby

Badanie poszło dalej niż prosty rozstrzygający test. Łącząc aktywność genów z informacjami klinicznymi takimi jak wielkość guza, stopień zajęcia, stadium choroby i przeżycie pacjentów, zespół zidentyfikował geny, które mogą przewidywać zachowanie nowotworu. Kilka genów, w tym CYP2C9, KCNV1, KRT24, SIRPD, PECAM1 oraz gen niekodujący LOC730668, wiązało się z wynikami pacjentów. Niektóre wydają się związane z angiogenezą odżywiającą guzy, inne dotyczą interakcji komórek nowotworowych z układem odpornościowym lub ich odpornością na śmierć komórkową. Weryfikacje zewnętrzne w wielu niezależnych zestawach danych wykazały, że większość tych kandydatów zachowuje się konsekwentnie, co zwiększa pewność, że odkrycia nie są przypadkowym zjawiskiem jednego zbioru danych.

Co to może znaczyć dla pacjentów

Mówiąc prościej, praca ta pokazuje, że inteligentne połączenie pięciu genów — A2M, CYP2C9, KCNV1, KRT24 i SIRPD — może wskazywać na gruczolakoraka płuca z wysoką czułością w danych genetycznych, a przynajmniej cztery z tych genów wykazują wyraźne, mierzalne zmiany we krwi. Chociaż markery te nie są jeszcze gotowe do rutynowego przesiewania, stanowią obiecujący plan dla przyszłych testów krwi, które mogłyby wykrywać raka płuca wcześniej, gdy jest bardziej wyleczalny. Mogłyby także pomóc lekarzom ocenić, jak agresywny jest guz i lepiej dopasować terapię. Konieczne będą dalsze badania na większych i bardziej zróżnicowanych grupach pacjentów, ale wyniki sugerują, że sztuczna inteligencja w połączeniu z rzetelną walidacją laboratoryjną może przyspieszyć poszukiwanie praktycznych, minimalnie inwazyjnych narzędzi w walce z rakiem płuca.

Cytowanie: Hossein Zadeh, R., Hossein Zadeh, R., Hajimoradi, M. et al. Identification of diagnostic and prognostic biomarkers in lung adenocarcinoma through integrated bioinformatics analysis and real time PCR validation. Sci Rep 16, 6679 (2026). https://doi.org/10.1038/s41598-026-35971-y

Słowa kluczowe: gruczolakorak płuca, biomarkery, uczenie głębokie, badanie krwi, wczesne wykrywanie nowotworów