I den første undersøgelse ved hjælp af det nydekontaminerede datasæt, forskerne har allerede opdaget, at normale og kræftformede organvæv har en lidt anden mikrobiotsammensætning, at bakterier fra disse syge steder kan komme ind i blodbanen, og at denne bakterielle information kunne hjælpe med at diagnosticere kræft og forudsige patientresultater.
Resultaterne vises online den 30. december i journalen Cellevært og mikrobe .
TCGA er et skelsættende kræftgenomikationsprogram, der molekylært karakteriserede over 20, 000 primær kræft og matchede sunde prøver, der spænder over 33 kræftformer. Det har produceret mere end 2,5 millioner gigabyte "omiske" data. Atlaset indeholder hvilket DNA der er til stede, hvilke epigenetiske markører er på DNA'et, hvilket DNA der tændes, og hvilke proteiner der produceres. Det er frit tilgængeligt til offentlig brug.
En undersøgelse fra atlasdata afslørede en overflod af Fusobacterium nucleatum i tyktarmskræft, som siden har vist sig at være vejledende for scenen, overlevelse, metastase og endda lægemiddelreaktioner af denne form for kræft. Mange flere undersøgelser har søgt efter sådanne bakterielle biomarkører, men få er blevet opdaget. En stor grund til dette er forurening.
Når bakterier ved et uheld kommer ind i prøverne af laboratorierne, det bliver svært at skelne mellem, hvilke arter der egentlig var i prøverne til at begynde med. Mens lignende mikrobiomundersøgelser ved hjælp af mikroberigt materiale såsom afføring kan overvinde små mængder forurening, de relativt små prøver taget fra levende menneskelige organer og tumorprøver kan ikke.
Når man undersøger en delmængde af TCGA -sekventeringsdata, tidligere analyser viste, at mikrobielt DNA fra en række arter var resultatet af laboratoriekontaminering.
Alle mikrobiotaundersøgelser er plaget af forestillingen om, at hvis du finder en mikrobe, var det virkelig i vævet eller blev det indført kontaminering under behandlingen? Vi har opfundet en metode, der kan udtrække de mikrober, der virkelig var i hver prøve, og brugte den til at bygge det, vi har kaldt The Cancer Microbiome Atlas, som vil være en enorm ressource for samfundet og give os mulighed for at forstå, hvordan kræft ændrer et organs mikrobiom. "
Xiling Shen, Hawkins Family lektor i biomedicinsk teknik hos Duke
Metoden til fjernelse af kontaminering fra TCGA -data blev opfundet af Anders Dohlman, en kandidatstuderende i Shens laboratorium. Dohlman sammenlignede først mikrobiomsignaturerne mellem kræftvæv fra forskellige organer og blod, og udelukkede forurenende arter, der dukkede op uden forskel. Han sammenlignede derefter mikrobiomsignaturerne af identiske prøver, der blev behandlet på separate steder, lige fra Harvard til Baylor. Dohlman konkluderede, at de mikrobielle arter, der kun kan påvises fra et bestemt sted, ville være forurenende stoffer, giver ham mulighed for at tildele en unik forureningssignatur for hvert websted.
"En stor udfordring i denne proces var blandede beviser, som er bakterier, der både er en kontaminant og endogen for vævet, "sagde Dohlman." Men fordi TCGA har så mange forskellige typer data, vi var i stand til at drille det ud. Big data hjælper virkelig! "
Indsatsen betaler allerede udbytte på forskellige måder. Efter brug af Dohlmans dekontamineringsalgoritme, forskerne tog et nærmere kig på mikrobiota signaturer af prøver taget fra kolorektal kræftpatienter. De opdagede to unikke grupper af bakterier, der ofte findes sammen, hvoraf den ene ser ud til at være forbundet med patientens overlevelse.
Forskerne opdagede også, at nogle kræftformer faktisk ændrer mikrobiomet i deres hjemmehørende organer. Det kan være, Shen årsager, at tumorer ændrer et organs mikromiljø, gør den mere eller mindre gæstfri for forskellige mikrobielle arter. Og ved at lede efter mikrobielle signaturer inden for patientblodprøver, de fandt også ud af, at trods konventionel visdom om det modsatte, nogle bakterier finder vej ind i blodbanen, hvilket også kunne give en indikation af en kræftfremgang.
"Der har været en slags krise på området om, hvorvidt højt profilerede papirer kan gengives eller ej, på grund af udfordringen med forurening, "sagde Shen." For eksempel, mens et center ville være i stand til at gengive sine resultater, et andet center ville ikke. Dette forklarer hvorfor:Hvert center har sin egen meget konsekvente skævhed. (Dens egne residente mikrobeforureninger.) I fremtiden vil nye undersøgelser kan bruge vores metode til at fjerne denne bias og gengive resultater, og forskningscentre kan muligvis bruge deres bias, som vi har identificeret til at afbøde deres kontaminering. "