CMML2AML: обнаружение с помощью машинного обучения ко-мутаций и отдельных мутаций, предсказывающих бластную трансформацию при хроническом миеломоноцитарном лейкозе

Почему это важно для людей с онкологией крови

Хронический миеломоноцитарный лейкоз — редкая онкологическая болезнь крови, которая может длительное время оставаться стабильной или внезапно перейти в агрессивную форму, похожую на острый лейкоз. Врачам сложно предсказать, у каких пациентов произойдёт этот опасный поворот. В работе применяются современные вычислительные методы для распознавания закономерностей в ДНК лейкоза с целью выделить тех, кто находится в наибольшей опасности, чтобы лучше планировать лечение, включая трансплантацию стволовых клеток.

Поиск закономерностей в сложном заболевании крови

CMML — это опухоль костного мозга, приводящая к избытку определённого типа белых кровяных телец — моноцитов. Некоторые пациенты живут многие годы с контролируемым состоянием, тогда как у других быстро развивается острый миелоидный лейкоз — бластная трансформация. Традиционные инструменты оценки риска изучают отдельные генетические изменения или широкие группы изменений, но разные исследования расходились во мнениях относительно значимости отдельных мутаций. Авторы предположили, что истинная опасность может крыться не в одиночных повреждениях, а в специфических сочетаниях изменений генов, действующих совместно.

Давая машинам возможность сортировать пациентов по скрытым генетическим сигналам

Команда изучила 605 пациентов с CMML из клиники Майо, а затем проверила результаты на 501 пациенте из Италии. С помощью секвенирования следующего поколения они занесли в каталог мутации по 47 генам, часто изменённым при заболеваниях крови. Затем они создали специализированную систему машинного обучения, чтобы кластеризовать пациентов по сочетаниям мутаций и по тому, как долго пациенты оставались свободны от бластной трансформации. Алгоритм строил множество простых деревьев решений, каждое из которых делило пациентов на группы с общими мутационными шаблонами, а затем объединял похожие группы в соответствии с совпадением их кривых выживания.

Пять генетических групп риска — от очень безопасной до крайне опасной

Анализ компьютера выявил пять молекулярных кластеров с разительной разницей в вероятности перехода в острый лейкоз. Небольшая группа с изменениями в гене PHF6, но без мутаций в ASXL1, практически не подвергалась трансформации в течение нескольких лет и образовала ультранизкорисковую группу. На другом полюсе оказались пациенты с мутациями NPM1, парой NRAS и SETBP1 или парой ASXL1 и BCOR — у них уровень трансформаций был чрезвычайно высок и приближался к 100 процентам в пределах трёх лет. Между этими крайностями находились другие комбинации, такие как ASXL1 с RUNX1 или ASXL1 с TET2, которые определяли высоко- и среднерисковые кластеры, а пациенты без таких шаблонов образовывали более широкую низкорисковую группу.

Создание простого балльного показателя для врачей

Чтобы превратить эти открытые закономерности в практический инструмент, исследователи объединили наиболее мощные одиночные мутации и ко-мутации в новую систему оценки, названную CMML2AML. Баллы присваивались в зависимости от силы связи каждого генетического паттерна с бластной трансформацией. Мутация NPM1 получила наибольший вес, за ней шли сочетание NRAS с SETBP1 и мутация BCOR, а меньшие веса получили ASXL1 и пара ASXL1 плюс RUNX1. Сумма этих баллов распределяла пациентов по четырём уровням от низкого до высокого риска, причём в самой высокой группе вероятность трансформации в течение года приближалась к одной из двух. Тот же балл показал сопоставимые результаты и на итальянской когорте, что подтверждает его потенциальную применимость шире.

Особая сигнальная метка: мутации NPM1

Одним из наиболее заметных результатов стали данные по NPM1 — гену, хорошо известному в контексте острого лейкоза. В этом исследовании при CMML мутации NPM1 встречались редко, но означали плохой прогноз. Даже когда доля незрелых бластов в крови и костном мозге оставалась ниже стандартных порогов для острого лейкоза, пациенты с изменениями NPM1 переходили в бластную фазу и умирали раньше других. Эти случаи часто не сопровождались другими высокорисковыми мутациями, такими как ASXL1 или RUNX1, и частo имели мутации DNMT3A, что указывает на отдельный генетический подтип, который может требовать лечения как острый лейкоз сразу после распознавания.

Что это значит для пациентов и ухода

Для людей с CMML эта работа показывает, что комбинация мутаций, а не только число бластов или результат одного гена, может существенно определять прогноз. Выявляя опасные сочетания генетических изменений и сводя их в систему CMML2AML, исследование предлагает способ выделять пациентов, которым требуется более пристальное наблюдение и более раннее обсуждение трансплантации стволовых клеток, а также тех, чья болезнь вряд ли быстро трансформируется. Эти результаты нуждаются в подтверждении на других когортах, но они продвигают область в сторону более точного, основанного на генетике принятия решений при ведении этого сложного заболевания крови.

Цитирование: Fathima, S., Rokach, L., Yousuf, M. et al. CMML2AML: machine-learning discovery of co-mutations and specific single mutations predictive of blast transformation in chronic myelomonocytic leukemia. Blood Cancer J. 16, 76 (2026). https://doi.org/10.1038/s41408-026-01491-1

Ключевые слова: хронический миеломоноцитарный лейкоз, риск бластной трансформации, ко-мутации, геномика и машинное обучение, мутация NPM1