基于线性扩增的亚硫酸氢盐测序用于循环游离DNA的超灵敏癌症检测

LABS: linear amplification-based bisulfite sequencing for ultrasensitive cancer detection from cell-free DNA

作者信息Xiao-Long Cui, Ji Nie, Houxiang Zhu, Krissana Kowitwanich, Alana V Beadell, Diana C West-Szymanski, Zhou Zhang, Urszula Dougherty, Akushika Kwesi, Zifeng Deng, Yan Li, Danqing Meng, Kevin Roggin, Teresa Barry, Ryan Owyang, Ben Fefferman, Chang Zeng, Lu Gao, Carolyn W T Zhao, Yuri Malina, Jiangbo Wei, Melanie Weigert, Wenjun Kang, Ajay Goel, Brian C-H Chiu, Marc Bissonnette, Wei Zhang, Mengjie Chen, Chuan He
PMID38877540
发布时间2024-06-14
DOI10.1186/s13059-024-03262-2

实验完整度

高

包含体外细胞系验证(mESC梯度输入)、cfDNA临床样本验证(CRC/PDAC/健康对照)及多种分析(甲基化、拷贝数、去卷积、分类模型)。

主要模型

小鼠胚胎干细胞(E14Tg2a mESCs) 结直肠癌(CRC)患者血浆cfDNA 胰腺导管腺癌(PDAC)患者血浆cfDNA 健康对照血浆cfDNA

重点核对

DNA输入量范围:10 pg至100 ng 临床样本cfDNA输入量:1 ng(CRC和健康对照),2.5 ng(PDAC) 样本分组:50例CRC、16例PDAC、34例健康对照 技术重复:每个输入量2个生物学重复 测序深度:平均每样本76.1百万reads

摘要

基于甲基化的液体活检在利用循环游离DNA检测癌症方面显示出前景;然而,目前的局限性阻碍了临床应用。大多数检测方法需要大量的DNA输入,这带来了挑战。此外,在传统测序方法的指数扩增步骤中,低丰度的肿瘤DNA片段可能无法被检测到。在此,我们报告了基于线性扩增的亚硫酸氢盐测序(LABS),能够以全基因组、无偏倚的方式对亚硫酸氢盐处理后的DNA片段进行线性扩增,以亚纳克级输入检测癌症异常。将LABS应用于100份患者样本,揭示了癌症特异性模式、拷贝数改变,并通过识别组织来源和免疫细胞组成提高了癌症检测准确性。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
开发一种能够使用低至亚纳克级DNA输入进行全基因组甲基化分析并整合多种信号以提升癌症检测准确性的方法。
核心机制
通过T7 RNA聚合酶介导的体外转录实现线性扩增,避免了指数扩增引入的偏好性,从而保留了低丰度DNA片段并减少拷贝数丢失和GC偏好。
主要证据
在mESC梯度输入DNA上验证了方法的准确性和可重复性;在100例cfDNA样本中检测到癌症特异性甲基化模式、拷贝数改变,并通过整合甲基化、拷贝数和免疫细胞组成特征将CRC检测的AUC从0.79提升至0.93。
研究意义
LABS为基于cfDNA的癌症检测和筛查提供了一种高灵敏度的甲基化分析方法,并有望用于预后评估和指导免疫治疗。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

方法开发和基准测试

评估LABS在不同输入DNA量下的技术性能,包括准确性、可重复性和覆盖度。

使用来自小鼠胚胎干细胞(E14Tg2a)的梯度DNA输入(100 ng至10 pg)构建LABS文库并测序,与MethylC-seq和EpiGnome方法进行比较,评估重复率、覆盖度和GC偏好。

2

临床样本验证

在临床cfDNA样本中验证LABS检测癌症相关甲基化异常的能力。

从CRC、PDAC患者和健康对照血浆中提取cfDNA,构建LABS文库并测序,分析甲基化差异区域,并以SEPT9启动子甲基化作为已知生物标志物进行验证。

3

拷贝数改变检测

评估LABS在cfDNA中检测拷贝数改变的能力。

基于LABS测序数据计算全基因组拷贝数比率,并与健康对照比较,通过TCGA数据库中的已知CNA标记确认肿瘤来源。

4

组织来源和免疫细胞组成分析

利用甲基化特征推断cfDNA的组织来源和免疫细胞组成。

使用公开的组织和免疫细胞类型特异性甲基化标记,通过EpiDISH进行去卷积分析,比较不同组间的组织来源比例和免疫细胞比例。

5

整合分类模型

评估整合甲基化、拷贝数和免疫细胞组成是否能提高结直肠癌检测的准确性。

将84个CRC和健康对照样本按1:3分为训练集和测试集,使用随机森林和支持向量机构建分类器,比较单独使用甲基化特征与整合多种特征的AUC。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
细胞培养与DNA提取
mESC培养条件、DNA提取试剂盒
阅读提示:Methods: Cell culture and genomic DNA isolation
临床样本采集
患者纳入标准、采血管类型、血浆分离条件
阅读提示:Methods: Patient recruitment and collection of plasma samples
cfDNA提取
血浆体积、提取试剂盒、定量方法
阅读提示:Methods: Patient recruitment and collection of plasma samples
LABS文库制备
T7接头序列、连接条件、亚硫酸氢盐转化、IVT条件、RNA纯化
阅读提示:Methods: Preparation of T7 adaptors, Bisulfite conversion, LABS library preparation
测序和数据预处理
测序平台、比对参数、甲基化调用条件
阅读提示:Methods: Processing of the LABS data
拷贝数检测
基因组bin大小、参考面板、软件参数
阅读提示:Methods: Copy number detection
去卷积分析
参考标记、缺失值插补方法、去卷积软件
阅读提示:Methods: Tissue-of-origin and cell type-specific deconvolution
分类模型
训练/测试划分比例、特征处理、模型参数
阅读提示:Methods: Binary classification of CRC and healthy controls