Анализ мочи на основе микроРНК открывает новые перспективы в ранней диагностике рака поджелудочной железы. Согласно последним исследованиям, опубликованным в журнале eClinicalMedicine, этот метод демонстрирует высокую точность выявления опухолей на всех стадиях.
Об исследовании
Исследование проводилось по дизайну «случай-контроль» и включало сбор образцов мочи у пациентов с раком поджелудочной железы и лиц без рака из различных регионов Японии в период с сентября 2019 по июль 2023 года. В исследование вошли пациенты с подтвержденным диагнозом рака поджелудочной железы на основе визуализации или патогистологических данных, за исключением случаев множественных первичных опухолей.
Когорта участников в основном состояла из пациентов с панкреатической протоковой аденокарциномой (PDAC), которая составляет более 90% всех случаев этого вида рака в Японии. Выборка включала пациентов как на ранних, так и на поздних стадиях заболевания, классифицированных по системе TNM Международного союза против рака (UICC).
Из образцов мочи были выделены внеклеточные везикулы, после чего извлекалась рибонуклеиновая кислота (РНК) для анализа микроРНК (miRNA) методом полимерной преципитации. На основе полученных данных были подготовлены библиотеки РНК для секвенирования, а их результаты использовались для идентификации профилей микроРНК, ассоциированных с раком поджелудочной железы.
Модель машинного обучения, обученная на основе сигнатур miRNA с использованием классификатора опорных векторов, продемонстрировала высокую точность в обнаружении рака поджелудочной железы. Статистический анализ учитывал демографические особенности участников, а дифференциальный анализ выявил микроРНК, связанные с биологией данного заболевания.
Для дальнейшего подтверждения эффективности подхода требуется проведение дополнительных исследований в более широких популяциях и на разных стадиях рака поджелудочной железы.
Результаты исследования
Для обогащения концентрации miRNA внеклеточные везикулы из мочи осаждали и обрабатывали перед экстракцией РНК, что значительно повысило эффективность анализа. Уровень картирования miRNA увеличился с 5,22% ± 4,72% в бесклеточной моче до 24,5% ± 15,6% в образцах из везикул, обеспечивая почти восьмикратное увеличение уникальных прочтений и повышение идентификации типов miRNA в среднем с 200,7 до 385,9.
Демографический анализ участников показал, что пациенты с раком поджелудочной железы были старше, имели более низкий ИМТ и чаще относились к бывшим, а не текущим курильщикам. Среди них 33,3% обучающей выборки и 16,7% тестовой имели рак на ранней стадии.
Дифференциальный анализ профилей miRNA выявил 45 значимо экспрессируемых miRNA, связанных с раком поджелудочной железы. На основе этих данных разработан алгоритм прогнозирования с использованием классификатора опорных векторов, обеспечивающий высокую точность (AUC 0,972) и чувствительность 97,0% для ранних стадий (I/IIA). Тестовая выборка подтвердила надежность модели с AUC 0,963 в целом и 0,983 для ранних стадий.
Анализ функционального обогащения показал связь 45 DEM с ключевыми онкогенными путями, такими как PI3K-Akt, MAPK, Jak-STAT и Wnt, что подтверждает их роль в патогенезе рака. Эти пути идентифицированы через аннотации KEGG и Gene Ontology.
Сравнение профилей miRNA из мочи и органоидов рака поджелудочной железы выявило совпадения, подчеркивая способность мочевой miRNA отражать характеристики опухоли. Результаты показали превосходство анализа miRNA над традиционным биомаркером CA19-9, особенно на ранних стадиях, где CA19-9 демонстрирует низкую чувствительность.
Анализ на основе мочевой miRNA предлагает значительный потенциал для ранней, неинвазивной диагностики, улучшая возможности вмешательства и прогнозы для пациентов с раком поджелудочной железы.
Выводы
Данное исследование представило неинвазивный метод диагностики рака поджелудочной железы, основанный на анализе микроРНК, выделенной из внеклеточных везикул мочи.
Хотя низкая концентрация miRNA в моче осложняет секвенирование малых РНК, использование осаждения везикул позволило значительно повысить эффективность, увеличив скорость картирования в пять раз.
Разработанный подход продемонстрировал высокую точность: в обучающей выборке AUC составила 0,972, а в тестовой — 0,963, с чувствительностью 93,9% и 77,8% и специфичностью 91,7% и 95,7% соответственно.
