Phân loại u não chính xác và nhanh chóng: Bước tiến từ giải trình tự Nanopore
Giới thiệu về các phương pháp hiện tại trong chẩn đoán u não
U não là một trong những bệnh lý phức tạp và nguy hiểm nhất. Việc chẩn đoán chính xác loại u là cực kỳ quan trọng để xác định phương pháp điều trị hiệu quả cho bệnh nhân. Trong những năm gần đây, bên cạnh các phương pháp truyền thống như mô bệnh học, phân loại dựa trên đặc điểm sinh học phân tử,… thì hồ sơ DNA methylation (sự thay đổi nhóm methyl trên DNA) đã trở thành một công cụ mạnh mẽ và ngày càng quan trọng trong phân loài và chẩn đoán u não.
DNA methylation là một dấu hiệu biểu sinh (epigenomic mark) ổn định, phản ánh bản sắc của tế bào. Các mẫu methylation trên toàn bộ hệ gene có thể đặc trưng cho từng loại u, thậm chí là các phân nhóm nhỏ của u. Việc áp dụng các kỹ thuật học máy (machine learning) vào hồ sơ DNA methylation trên toàn bộ hệ gene cho phép phân loại các mẫu chưa biết dựa trên tập dữ liệu tham chiếu. Phương pháp này đã có những bước tiến hiệu quả trong những năm gần đây, làm nổi bật những hạn chế của mô bệnh học, vốn liên quan đến khoảng 10% trường hợp chẩn đoán sai. Phân loại phân tử dựa trên methylation thậm chí còn được yêu cầu bởi phân loại u hệ thần kinh trung ương (CNS) hiện hành của WHO, ví dụ như đối với các phân nhóm u nguyên bào tủy (medulloblastoma). Mặc dù có vai trò quan trọng, việc triển khai phân loại khối u dựa trên DNA methylation hiện tại chủ yếu sử dụng kỹ thuật microarray lai hóa (hybridisation microarray). Phương pháp này tốn thời gian và chi phí cao. Quy trình phòng thí nghiệm phức tạp và yêu cầu gộp mẫu (sample multiplexing) khiến thời gian trả kết quả có thể lên tới vài ngày đến vài tuần. Chi phí hợp lý cho mỗi lần xét nghiệm chỉ đạt được trong các môi trường thông lượng cao như các trung tâm chăm sóc chuyên sâu. Những thách thức này đã thúc đẩy việc tìm kiếm các phương pháp nhanh hơn và hiệu quả hơn để thực hiện phân tích methylation. Và ONT (Oxford Nanopore Technologies) được xem là một phương pháp nổi bật.
Giải pháp mới: Giải trình tự Nanopore
Công nghệ Nanopore xác định trình tự DNA cũng như các biến đổi cơ sở, chẳng hạn như 5-methylation của cytosine (5mC), bằng cách phát hiện những thay đổi trong dòng ion khi các phân tử đi qua một lỗ nano sinh học (biological nanopore) được gắn trong màng điện môi. Ưu điểm đáng chú ý của ONT là khả năng phát hiện trực tiếp methylation trên DNA gốc (native DNA). Kết hợp với quy trình thực hiện nhanh chóng, chỉ mất dưới một giờ thực hiện trực tiếp (hands-on time), công nghệ này hứa hẹn giảm đáng kể thời gian trả kết quả trong phân loại u não.
Nghiên cứu được mô tả trong nguồn này đã mở rộng cách tiếp cận dựa trên ONT cho phân loại methylation đối với một phổ rộng các loại u não, bao gồm 82 loại khối u khác nhau trong bộ dữ liệu tham chiếu Heidelberg. Tổng cộng 382 mẫu sinh thiết u não đã được phân tích bằng giải trình tự ONT thông lượng thấp (low-pass). Dữ liệu 5mC thu được từ các vị trí CpG trùng lặp với các vị trí được thăm dò bởi mảng Illumina BeadChip 450K đã được sử dụng để huấn luyện mô hình phân loại học máy bằng thuật toán Random Forest (RF). Kết quả nghiên cứu đã xác định được giới hạn là 0.15 cho điểm hiệu chỉnh để xác định các dự đoán hợp lệ. Đồng thời, khi áp dụng phương pháp này cho tập dữ liệu xác thực (validation cohort) gồm 184 trường hợp u não nguyên phát thì các kết quả về độ chính xác và thời gian chạy cũng vượt trội hơn so với các phương pháp truyền thống. Điều này được thể hiện ở:
- Cấp độ phân loại nhóm lớn (Methylation Class Family – MCF, gồm 75 nhóm), có 167/184 trường hợp (90.7%) được phân loại đúng. Khi áp dụng giới hạn 0.15, tất cả 148 trường hợp có điểm số trên giới hạn đều được phân loại đúng, tương ứng với độ nhạy 80.4% và độ đặc hiệu 100%.
- Ở cấp độ phân loại chi tiết hơn (Methylation Class – MC, gồm 91 nhóm), 170/184 trường hợp (92.4%) được phân loại đúng tổng thể. Với giới hạn 0.15, độ nhạy là 69.7% trong khi vẫn giữ được độ đặc hiệu 100%.
Nghiên cứu cũng so sánh kết quả ONT với dữ liệu methylation microarray truyền thống khi có sẵn. Trong 312 trường hợp có dữ liệu microarray, phân loại bằng nanopore và microarray cho kết quả giống nhau ở 254/312 trường hợp (81.4%). Đáng chú ý, trong số các trường hợp được phân loại bằng ONT với giới hạn 0.15, tỷ lệ trùng khớp với microarray lên tới 92.2% (214/232 trường hợp). Các trường hợp không trùng khớp thường là các phân nhóm glioblastoma IDH-wild type, nơi phân loại vẫn trùng khớp ở cấp độ MCF. Để đánh giá tính tái lập (reproducibility), nghiên cứu đã thực hiện xác thực đa trung tâm (cross-laboratory validation) với 11 khối u được phân tích độc lập bằng ONT tại bốn phòng thí nghiệm khác nhau sử dụng cùng một mẫu DNA. Kết quả phân loại cho các mẫu trùng khớp là giống nhau trong 10/11 trường hợp (90.1%). Khi so sánh với dữ liệu microarray, kết quả cũng trùng khớp trên cả bốn phương pháp trong 10/11 trường hợp (90.9%). Điều này chứng tỏ tính mạnh mẽ (robustness) và khả năng tái lập của phương pháp ONT trong phân loại khối u. Về tốc độ, nghiên cứu đã theo dõi thời gian từ khi nhận mẫu mô cho đến khi có kết quả phân loại dựa trên methylation bằng ONT trong một nhóm 15 trường hợp tiền cứu (prospective case. Thời gian trung bình để có kết quả là 39.4 giờ, với thời gian trung vị là 21.1 giờ. Đây là sự cải thiện đáng kể so với thời gian vài ngày đến vài tuần của phương pháp microarray truyền thống.
Kết luận
Mặc dù đầy hứa hẹn, nghiên cứu này cũng chỉ ra một số hạn chế. Hiện tại, các quy trình ONT phụ thuộc vào loại mô phân tích (Mô tươi hay mô đông lạnh), cần thêm nghiên cứu để phát triển và đánh giá các quy trình xử lý DNA từ mô cố định formalin và đúc parafin (FFPE), loại mô thường được lưu trữ trong các kho lưu trữ bệnh lý. Thêm vào đó, mặc dù nghiên cứu bao gồm một phổ rộng các loại u nhưng không phải tất cả các khối u đều được đại diện đầy đủ, đặc biệt là một số loại hiếm. Với số lượng khối u mới liên tục được mô tả và sự tinh chỉnh liên tục của các hệ thống phân loại u não, việc xác định độ nhạy và độ đặc hiệu đặc trưng cho từng nhóm một cách có ý nghĩa thống kê cho các loại khối u rất hiếm vẫn là một thách thức đối với bất kỳ nền tảng công nghệ nào. Nghiên cứu cũng lưu ý rằng các điểm hiệu chỉnh từ mô hình hiện tại không thể được diễn giải trực tiếp dưới dạng xác suất. Ngoài ra, dữ liệu ONT từ các đoạn đọc dài chứa thông tin về trạng thái methylation của nhiều vị trí CpG trên cùng một sợi DNA (epi-haplotype). Khai thác thông tin này có thể tiếp tục cải thiện độ chính xác phân loại trong tương lai.
Tóm lại, nghiên cứu này cung cấp bằng chứng mạnh mẽ rằng giải trình tự ONT cho phép phân loại u não dựa trên methylation một cách mạnh mẽ và nhanh chóng trên toàn bộ phổ u. Với độ đặc hiệu cao, thời gian trả kết quả được rút ngắn đáng kể cùng với chi phí hợp lý và yêu cầu cơ sở hạ tầng tính toán linh hoạt, phương pháp này có tiềm năng lớn để được triển khai thường quy trong chẩn đoán u não. Nó không chỉ rút ngắn thời gian chẩn đoán mà còn bổ sung cho các quyết định của nhà bệnh học thần kinh, bác sĩ và nâng cao độ chính xác trong chẩn đoán.
LOBI Vietnam là công ty tiên phong trong lĩnh vực Đọc trình tự gen thế hệ mới NGS (Next Generation Sequencing) và Phân tích Tin sinh học. Liên hệ hotline/Zalo 092.510.8899 để biết thêm chi tiết.
