Прогнозирование развития рака
Почти два года назад новость о том, что ученый из МФТИ разработал модель, позволяющую предсказывать развитие рака, облетела все новостные агентства. Статью Алексея Витальевича Беликова в Scientific Reports цитировали РИА Новости и Вести.Наука, у ученого взяли интервью и рассказали о его открытии в репортаже НТВ. Пока шумели СМИ, работа в лаборатории продолжалась. Вот что рассказал о проекте, в котором предстоит участвовать магистрантам, сам А.В. Беликов:
— В современной онкологии осуществляется переход от неспецифичной химиотерапии с серьезными побочными эффектами к персонализированной терапии таргетными препаратами, подбираемыми под конкретного пациента на основании секвенирования генома опухоли. Их принцип основан на фармакологическом воздействии на продукты генов, в которых произошли так называемые драйверные мутации, т.е. мутации, способствующие росту и прогрессированию опухоли. Однако, поскольку в опухоли присутствует большое количество случайных мутаций, выявление среди них драйверных (а значит, перспективных мишеней для терапии) является нетривиальной задачей, которую в настоящее время пытаются решить с помощью разнообразных биоинформатических алгоритмов. При этом результаты различных алгоритмов плохо коррелируют друг с другом, что демонстрирует их несовершенство.
Ранее было показано, что применяя статистическое распределение Эрланга к данным по заболеваемости раком в различных возрастных группах, можно прогнозировать количество драйверных мутаций для любого вида рака. Сейчас предполагается провести сравнение результатов имеющихся биоинформатических алгоритмов анализа данных секвенирования опухолей с прогнозами распределения Эрланга на основе анализа возрастной статистики заболеваемости. Поскольку прогнозы на основе распределения Эрланга получены путем анализа миллионов случаев рака и не зависят от методологических аспектов секвенирования и биоинформатического анализа, они могут служить надежными ориентирами при сравнении и выборе наиболее адекватных методов биоинформатического выявления драйверных мутаций.
Планируется выявить биоинформатические алгоритмы, результаты которых наиболее значимо коррелируют с прогнозами на основании распределения Эрланга. В случае, если таких алгоритмов не обнаружится, или корреляция будет слабой, планируется доработка существующих алгоритмов либо разработка принципиально новых. Эти алгоритмы далее можно будет рекомендовать к применению в персонализированной медицине для выявления драйверных мутаций у индивидуальных пациентов и назначения таргетных препаратов.
Публикации А.В. Беликова по теме:
В 2016 году был опубликован препринт, где было показано, что статистика заболеваемости 20 основными видами рака в различных возрастных группах описывается статистическим распределением Эрланга с тремя параметрами. В широком смысле распределение Эрланга описывает вероятность того, что определенное число случайных событий произойдет через определенный промежуток времени. Применительно к раку оно описывает вероятность накопить число мутаций, необходимое для возникновения опухоли, к определенному возрасту. Таким образом, параметры этого распределения позволяют прогнозировать количество драйверных мутаций, скорость их возникновения, а также популяционную подверженность для любого вида рака. Результаты были опубликованы в журнале Scientific Reports в 2017 году.
В 2018 году были опубликованы еще два препринта, которые в настоящее время находятся на рецензировании в зарубежных научных журналах.
В первом препринте было показано, что распределение Эрланга является единственным статистическим распределением, которое описывает также все основные виды детского рака. Это подтвердило его уникальность и универсальность.
Во втором препринте было показано, что прогнозируемое число драйверных мутаций для различных видов рака коррелирует с процентом опухолей, вызванных антропогенными факторами риска (курение, алкоголь, радиация, канцерогены и т.д.). Анализ был проведен для трех стран, трех баз данных и трех исследований факторов риска. При этом как коэффициент корреляции (r=0.9), так и статистическая значимость (p<0.0001) оказались крайне высокими. Это подтверждает, что прогнозы на основе распределения Эрланга имеют реальный биологический смысл.