El Centro Oncológico Kimmel de Johns Hopkins ha desarrollado un innovador enfoque llamado ARTEMIS que utiliza el aprendizaje automático para identificar elementos repetidos de ADN, conocidos como «ADN basura» o «materia oscura», en tejidos cancerosos y fragmentos de ADN libre de células (cfDNA) presentes en la sangre. Este avance podría proporcionar un medio no invasivo para detectar cánceres o monitorear la respuesta a la terapia.
El método combina el aprendizaje automático y la secuenciación de próxima generación para analizar más de 1.200 tipos de elementos repetidos.
En pruebas de laboratorio, ARTEMIS examinó más de 1.200 tipos de elementos repetidos que comprenden casi la mitad del genoma humano e identificó que un gran número de repeticiones, previamente desconocidas por su asociación con el cáncer, estaban alteradas en la formación de tumores. Además, los investigadores pudieron detectar cambios en estos elementos en el cfDNA, lo que brinda una forma de detectar el cáncer y determinar su origen en el cuerpo.
Victor E. Velculescu, profesor de oncología y codirector del Programa de Genética y Epigenética del Cáncer en el Centro Oncológico Kimmel de Johns Hopkins, quien dirigió el estudio, afirma:
«Hasta ARTEMIS, esta materia oscura del genoma era esencialmente ignorada, pero ahora estamos viendo que estas repeticiones no ocurren al azar. Terminan agrupados alrededor de genes que se alteran en el cáncer de diferentes maneras, lo que proporciona la primera idea de que estas secuencias pueden ser clave para el desarrollo de tumores».
En una serie de pruebas, los investigadores examinaron la distribución de 1.200 millones de kmers (secuencias cortas de ADN) que definen repeticiones únicas y las encontraron enriquecidas en genes comúnmente alterados en los cánceres humanos. Por ejemplo, de 736 genes que se sabe que provocan cáncer, 487 contenían un número promedio de secuencias repetidas quince veces mayor de lo esperado.
Utilizando la secuenciación de próxima generación, los investigadores observaron si las secuencias repetidas estaban alteradas en los cánceres. Utilizaron ARTEMIS para analizar más de 1.200 tipos distintos de elementos repetidos en tejidos tumorales y normales de 525 pacientes con diferentes cánceres que participaron en el Análisis Pan-Cáncer de Genomas Completos (PCAWG), y encontraron una mediana de 807 elementos alterados en cada tumor. Casi dos tercios de estos elementos (820 de 1.280) no se habían observado previamente como alterados en cánceres humanos.
En pruebas de laboratorio, ARTEMIS logró clasificar correctamente a pacientes con cáncer de pulmón y de hígado con un alto grado de precisión.
En un estudio con muestras de sangre de 287 personas con y sin cáncer de pulmón que participaron en el Estudio Danés de Detección del Cáncer de Pulmón (LUCAS), ARTEMIS clasificó a los pacientes con cáncer de pulmón con un área bajo la curva (AUC) de 0,82. Cuando se utilizó en combinación con DELFI (evaluación de fragmentos de ADN para la intercepción temprana), el modelo combinado logró clasificar a los pacientes con cáncer de pulmón con un AUC de 0,91.
En un grupo de 208 personas con riesgo de cáncer de hígado, ARTEMIS detectó individuos con cáncer de hígado, entre otros, con cirrosis o hepatitis viral con un AUC de 0,87. Cuando se combinó con DELFI, el AUC aumentó a 0,90.
Finalmente, ARTEMIS demostró su capacidad para identificar el origen de un tumor en pacientes con cáncer. Cuando se entrenó con información de los participantes del PCAWG, la herramienta pudo clasificar la fuente de tejidos tumorales con una precisión promedio del 78% entre 12 tipos de tumores.
Luego, al combinar ARTEMIS y DELFI para evaluar muestras de sangre de un grupo de 226 personas con tumores de mama, ovario, pulmón, colorrectal, conducto biliar, gástrico o pancreático, el modelo clasificó correctamente a los pacientes entre los diferentes tipos de cáncer con una precisión promedio del 68%, que mejoró al 83% cuando se le permitió al modelo sugerir dos posibles tipos de tumores en lugar de un solo tipo de cáncer.
Los investigadores señalan:
«Nuestro estudio muestra que ARTEMIS puede revelar paisajes repetidos en todo el genoma que reflejan cambios subyacentes dramáticos en los cánceres humanos. Al iluminar el llamado ‘genoma oscuro’, el trabajo ofrece información única sobre el genoma del cáncer y proporciona una prueba de concepto de la utilidad de paisajes repetidos en todo el genoma como biomarcadores de tejido y sangre para la detección y caracterización del cáncer».
Los próximos pasos son evaluar el enfoque en ensayos clínicos más amplios.
«Se puede imaginar que esto podría usarse para la detección temprana de una variedad de tipos de cáncer, pero también podría tener usos en otras aplicaciones, como monitorear la respuesta al tratamiento o detectar recurrencia. Esta es una frontera totalmente nueva», concluyen los investigadores.