Thông qua kiểm tra mô hình biểu hiện gen của các yếu tố biểu sinh (yếu tố ảnh hưởng đến cách bật hoặc tắt gen) trong khối u, các nhà khoa học Mỹ có thể phân loại chúng thành các nhóm riêng biệt để dự đoán thời gian sống sót của bệnh nhân ung thư hiệu quả hơn các phương pháp truyền thống. Kết quả nghiên cứu đã được công bố trên tạp chí Communications Biology, đặt nền tảng cho việc phát triển các liệu pháp nhắm đích để điều chỉnh các yếu tố biểu sinh trong điều trị ung thư, chẳng hạn như sử dụng chất ức thể histone acetyltransferase và chất tái cấu trúc chất nhiễm sắc SWI/SNF.

Hilary Coller, giáo sư sinh học phân tử, tế bào và phát triển và là đồng tác giả nghiên cứu cho rằng: “Theo truyền thống, ung thư được coi là kết quả chủ yếu của đột biến di truyền trong gen gây ung thư hoặc chất ức chế khối u. Tuy nhiên, sự xuất hiện của các công nghệ giải trình tự thế hệ mới tiên tiến đã khiến nhiều người nhận ra rằng trạng thái của chất nhiễm sắc và mức độ của các yếu tố biểu sinh duy trì trạng thái này rất quan trọng đối với bệnh ung thư và sự tiến triển của bệnh. Có nhiều khía cạnh khác nhau về trạng thái của chất nhiễm sắc - chẳng hạn như liệu protein histone có bị biến đổi hay không hoặc liệu các bazơ axit nucleic của ADN có chứa thêm nhóm methyl hay không, có thể ảnh hưởng đến kết quả tiên lượng ung thư".

Các nghiên cứu trước đây đã chỉ ra rằng đột biến gen mã hóa các yếu tố biểu sinh ảnh hưởng đến khả năng một người dễ mắc bệnh ung thư, nhưng vẫn còn rất ít thông tin về mức độ ảnh hưởng của các yếu tố biểu sinh đến sự tiến triển của ung thư. Thông tin này rất quan trọng trong việc hiểu đầy đủ về cách các yếu tố biểu sinh ảnh hưởng đến việc tiên lượng thời gian sống của bệnh nhân.

Để xem xét mối quan hệ giữa mô hình biểu sinh và kết quả lâm sàng, các nhà nghiên cứu đã phân tích mô hình biểu hiện của 720 yếu tố biểu sinh để phân loại khối u từ 24 loại ung thư khác nhau thành các nhóm riêng biệt. Các nhà khoa học đã phát hiện ra rằng các nhóm bao trùm 10 trong số 24 loại ung thư ở người trưởng thành, có liên quan đến sự khác biệt đáng kể về kết quả tiên lượng thời gian sống của bệnh nhân, bao gồm tỷ lệ sống sót không tiến triển, tỷ lệ sống sót theo bệnh cụ thể và tỷ lệ sống sót chung. Điều này đặc biệt đúng đối với ung thư biểu mô vỏ thượng thận, ung thư biểu mô tế bào sáng ở thận, u thần kinh đệm cấp độ thấp ở não, ung thư biểu mô tế bào gan và ung thư biểu mô tuyến phổi, Các nhóm ung thư cho kết quả kém hơn thường có giai đoạn mắc ung thư nặng hơn, kích thước khối u lớn hoặc các chỉ số lây lan nghiêm trọng hơn.

Sau đó, nhóm nghiên cứu đã sử dụng mức độ biểu hiện gen của yếu tố biểu sinh để đào tạo và thử nghiệm mô hình AI nhằm dự đoán thời gian sống của bệnh nhân. Mô hình này được thiết kế đặc biệt để tiên lượng 5 loại ung thư có sự khác biệt lớn về thời gian sống. Kết quả nghiên cứu cho thấy mô hình AI phân loại thành công các bệnh nhân mắc 5 loại ung thư này thành hai nhóm: một nhóm có cơ hội nhận được kết quả khả quan hơn nhiều và nhóm nhận được kết quả kém hơn. Ngoài ra, các gen quan trọng nhất đối với mô hình AI có sự trùng lặp nhiều với các gen đặc trưng xác định việc phân nhóm.

Theo các tác giả, kết quả nghiên cứu giúp đưa ra lộ trình cho các mô hình AI tương tự có thể được tạo ra thông qua danh sách các yếu tố biểu sinh tiên lượng công khai có sẵn. Lộ trình này cho thấy cách xác định các yếu tố ảnh hưởng nhất định đến các loại ung thư khác nhau và có tiềm năng thú vị để dự đoán các mục tiêu cụ thể trong điều trị ung thư.

Nguồn:Từ trang Web:vista.gov..vn.của cục thông tin KH&CN quốc gia