Información

Clonalidad de células tumorales

Clonalidad de células tumorales


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

¿Todas las células cancerosas provienen de un solo clon de células o también hay evidencias de células cancerosas policlonales?


La mayoría de los tumores probablemente no sean estrictamente clonales; todas las células cancerosas de un tumor rara vez tienen exactamente el mismo conjunto de mutaciones. Los tumores tienden a ser subclonales, y todas las células cancerosas tienen un único ancestro común, pero la evolución posterior da como resultado algunas mutaciones compartidas entre todas las células cancerosas, pero otras restringidas a subpoblaciones de células cancerosas. Este hecho y sus implicaciones para la terapia fueron notados hace 40 años por Nowell (Science 194: 23-28, 1976) y verificado por muchos trabajos recientes revisados, por ejemplo, por McGranahan y Swanton (Cancer Cell 27: 15-26, 2015). .

Un tumor podría necesitar mil millones ($ 10 ^ 9 $) aproximadamente de células cancerosas para ser clínicamente detectable. Por lo tanto, han pasado muchos años y muchas divisiones celulares desde el momento en que una sola célula desarrolló el conjunto de mutaciones originalmente necesarias para producir el tumor invasivo. Con una probabilidad de alguna mutación no corregida en cada división celular, particularmente en las células cancerosas que a menudo tienen defectos en la replicación y reparación del ADN y en la separación cromosómica, es esencialmente imposible que todos los mil millones de células cancerosas en el tumor tengan conjuntos idénticos de mutaciones. . Véase, por ejemplo, el trabajo de Bozic et al (eLife 2: e000747,2013). Entonces, aunque existe un origen clonal del tumor, el tumor es típicamente una colección de poblaciones relacionadas pero genéticamente distintas mejor consideradas como subclones.

Las diferencias entre los subclones presentan una barrera importante para las terapias citotóxicas tradicionales, las terapias dirigidas más modernas y las inmunoterapias que actualmente reciben tanta atención. Incluso si la mayor parte del tumor es sensible y responde, un subclon cuyas mutaciones de alguna manera proporcionen resistencia a la terapia podrá repoblar el tumor a partir de entonces. Bozic y Nowak (PNAS 111: 15964-8, 2014) estimaron que un tumor clínicamente detectable puede tener 10 o más subclones resistentes a cualquier terapia dirigida, debido a mutaciones acumuladas durante el crecimiento subclínico del tumor.

Como ejemplos de inmunoterapia para el cáncer, McGranahan et al demostraron recientemente (Science 351: 1463-1469, 2016) que las respuestas a la inhibición del punto de control inmunológico en el melanoma y el cáncer de pulmón de células no pequeñas eran mejores en pacientes con neoantígenos tumorales clonales que subclonales para el cáncer. sistema inmunológico para atacar. Zaretzky et al (New Engl J Med 2016, epub antes de la impresión) identificaron mutaciones subclonales en la señalización del receptor de interferón y la presentación de antígenos en algunos pacientes, mutaciones enriquecidas en los tumores recurrentes después de la inhibición del punto de control inmunológico y, por lo tanto, probablemente explican la recaída después de esa terapia.

En principio, es posible que un solo tumor físico tenga múltiples células de origen. Los tumores a menudo se desarrollan a partir de una región de tejido que ha sido objeto de cáncer de campo, donde los desafíos carcinogénicos han producido muchas células con mutaciones que conducen a un comportamiento desregulado pero no invasivo. Esto puede conducir a múltiples cánceres independientes que surgen de la misma ubicación general, ya que las células individuales desarrollan más tarde el complemento completo de mutaciones necesarias para un tumor invasivo. En principio, estos cánceres múltiples podrían fusionarse en una sola masa tumoral de modo que el tumor sea policlonal, pero no tengo conocimiento de ningún caso bien documentado. Por lo tanto, parece que los tumores rara vez son verdaderamente policlonales con múltiples células de origen independientes.


Descifrando la clonalidad en tumores de mama aneuploides utilizando una matriz de SNP y datos de secuenciación

La heterogeneidad intratumoral se refiere a la existencia de subclones genéticamente diferentes dentro del mismo tumor. La cuantificación de la heterogeneidad de una sola muestra se basa en la determinación precisa del número de copias cromosómicas en todo el genoma y en una evaluación de si las fracciones de alelos de variantes de mutación identificadas coinciden con los números de copias clonales o subclonales. Discutimos estos problemas utilizando datos de matrices de SNP, secuenciación del exoma completo y estimaciones de pureza del patólogo en varios cánceres de mama caracterizados por la amplificación de ERBB2. Mostramos que los números de copias cromosómicas solo se pueden estimar a partir de señales de matriz de SNP o profundidades de secuenciación para muestras de tumores subclonales con arquitecturas subclonales simples bajo ciertas suposiciones.


Dinámica de células dendríticas

Las células dendríticas convencionales (cDC) son fundamentales para la inmunidad innata y para orquestar las respuestas adaptativas de las células T. Las cDC se originan a partir de un precursor común y se pueden delinear en diferentes subtipos. Cabeza-Cabrerizo et al. utilizar mapas de destino multicolor en ratones para mostrar que las CDc precursoras ingresan al tejido, se diferencian en un solo subtipo y proliferan como clones de CDC hermanas en condiciones de estado estacionario. La infección viral provoca una entrada rápida de cDC en el tejido infectado, y estas células se diferencian en cDC residentes en el tejido y diluyen los clones de cDC preexistentes. Estos resultados proporcionan información sobre la dinámica de la cDC en los tejidos y cómo la infección puede provocar cambios rápidos en las frecuencias de la población de cDC.


Atlas unicelular de evolución clonal tumoral en cáncer de hígado

La evolución del tumor es una característica clave de la tumorigénesis y juega un papel fundamental en la conducción de la heterogeneidad intratumoral, el fracaso del tratamiento y el pronóstico de los pacientes. Aquí realizamos un perfil de transcriptoma unicelular de 46 cánceres de hígado primarios de 37 pacientes inscritos para estudios de intervención. Examinamos el paisaje de

57.000 células malignas y no malignas y clonalidad de células tumorales determinada mediante el desarrollo de un método de agrupación de consenso basado en el aprendizaje automático. Encontramos evidencia de la evolución de la ramificación de las células tumorales mediante la agrupación jerárquica, la velocidad del ARN y los métodos de inclusión de gráficos inversos. Curiosamente, el aumento de la clonalidad de las células tumorales estuvo estrechamente relacionado con el pronóstico de los pacientes, acompañado de un panorama de células inmunitarias polarizadas. Identificamos a la osteopontina como un actor clave para la evolución de las células tumorales y la reprogramación microambiental. Nuestro estudio ofrece información sobre el comportamiento colectivo de las comunidades de células tumorales en el cáncer de hígado, así como los posibles impulsores de la evolución del tumor en respuesta a la terapia.


El número y la clonalidad de los TCR están asociados con el pronóstico del cáncer colorrectal.

Crédito: Instituto de Investigaciones Biomédicas IDIBELL-Bellvitge

El cáncer colorrectal (CCR) es el tercer cáncer más común en el mundo, con más de un millón y medio de casos nuevos diagnosticados anualmente. Aproximadamente el 20% de los pacientes en estadio II diagnosticados experimentan recaídas después de la cirugía. Todavía no existe un marcador que identifique a los pacientes en estadio II con riesgo de recaída. Por lo tanto, es importante poder identificar biomarcadores de pronóstico para este entorno específico.

Hasta la fecha, ya se sabía que la infiltración de células T (un tipo de linfocito que forma parte del sistema inmunológico adaptativo) juega un papel importante en la supervivencia de los pacientes con cáncer colorrectal. Así, utilizando una nueva técnica denominada "inmuno-secuenciación TCR", en muestras de más de 600 pacientes con cáncer colorrectal, han comprobado la utilidad de este nuevo biomarcador. Esta nueva técnica mide tanto la cantidad de linfocitos T infiltrados como su clonalidad, que es la diversidad de linfocitos que reconocen diferentes dianas.

Este estudio es una colaboración liderada por Víctor Moreno, responsable del Programa de Análisis de Datos Oncológicos (PADO) del Instituto Catalán de Oncología (ICO), el Instituto de Investigaciones Biomédicas de Bellvitge (IDIBELL), CIBERESP y la Universidad de Barcelona, ​​y su equipo . El grupo de investigación dirigido por el Dr. Steven Gruber, del City of Hope National Medical Center en Los Ángeles, EE. UU., El Dr. Harlan Robins, director ejecutivo de la empresa Adaptive Biotechnologies, spin-off del Cold Hutch Cancer Research Center, Seattle, EE. UU. y el Prof. Gad Rennert, Carmel Medical Center and Technion, Haifa, Israel.

¿Cómo se ha realizado este estudio?

Con esta nueva técnica de inmuno-secuenciación de TCR, se han secuenciado un total de 640 tumores de cáncer colorrectal de cuatro estudios diferentes, tres de pacientes de ICO Hospitalet y uno de Israel. Así, a diferencia de los otros métodos, mediante la secuenciación de las regiones TCR (receptor de linfocitos que reconocen antígenos tumorales) se obtuvieron tanto la abundancia de linfocitos T que infiltran al tumor como el índice de clonalidad.

Los resultados obtenidos han demostrado que la combinación de ambas variables, cantidad y clonalidad, está asociada al pronóstico. Las muestras con mayor cantidad de TCR y diversidad de clones son las que presentan un mejor pronóstico de la enfermedad. Según el titular del Programa de Análisis de Datos Oncológicos (PADO) del ICO-IDIBELL, Víctor Moreno, “los resultados de este estudio muestran que niveles más altos de TCR, y una mayor diversidad de receptores de TCR, se asocian a un mejor pronóstico en este grupo específico de pacientes donde todavía no hay marcadores claros de recurrencia ".


Afiliaciones

División de Carcinogénesis Molecular, Instituto Oncode, Instituto del Cáncer de los Países Bajos, Ámsterdam, Países Bajos

Sidney Kimmel Comprehensive Cancer Center en Johns Hopkins, Baltimore, MD, EE. UU.

Instituto Ludwig para la Investigación del Cáncer y Universidad de Lausana, Lausana, Suiza

Instituto Médico Howard Hughes y Programa de Biología y Genética del Cáncer, Instituto Sloan Kettering, Centro Oncológico Memorial Sloan Kettering, Nueva York, NY, EE. UU.

Instituto de Medicina Genómica del Hospital Nacional de Niños, Facultad de Medicina de la Universidad Estatal de Ohio, Columbus, OH, EE. UU.

Instituto Médico Howard Hughes y Centro Médico de la Universidad de Texas Southwestern, Dallas, TX, EE. UU.

Departamento de Oncología Médica, Dana-Farber Cancer Institute, Boston, MA, EE. UU.

Instituto Bloomberg-Kimmel de Inmunoterapia contra el Cáncer y Departamento de Medicina, Facultad de Medicina de la Universidad Johns Hopkins, Baltimore, MD, EE. UU.

Instituto Francis Crick, Londres, Reino Unido

BIOPIC, Centro de Innovación Avanzada de Genómica de Beijing, Facultad de Ciencias de la Vida, Universidad de Pekín, Beijing, China

Centro Peking-Tsinghua de Ciencias de la Vida, Academia de Estudios Interdisciplinarios Avanzados, Universidad de Pekín, Beijing, China


Materiales y métodos

Canalización CLONET

Una vista esquemática de la tubería CLONET se muestra en la Figura S10A en el archivo adicional 12. Para este estudio, los datos de entrada se obtuvieron de la siguiente manera. Los recuentos de lectura de SNP informativos se extrajeron de archivos BAM mediante un procedimiento interno, los SCNA se detectaron utilizando SegSeq [39] a partir de datos tumorales y de secuenciación normal, las coordenadas de PM fueron como en los manuscritos originales correspondientes y los REARR se identificaron mediante dRanger y Breakpointer [14]. Por último, para evitar los efectos de fondo de la línea germinal, filtramos los genes (aproximadamente 4.000) que se cruzan con variantes significativas del número de copias de la línea germinal conocidas (tamaño superior a 2 kb) [40].

Fluorescencia en el lugarvalidación de hibridación de CLONET

Para evaluar la deleción genómica, las translocaciones disruptivas o la poliploidía, utilizamos ensayos FISH de dos colores específicos de locus siguiendo un enfoque descrito anteriormente [41], [42]. Para evaluar la subclonalidad, se evaluaron al menos 200 núcleos por área utilizando un microscopio de fluorescencia (Olympus BX51 Olympus Optical, Tokio, Japón). Las sondas utilizadas para los ensayos FISH fueron: SPRY2, 5 ′ RP11-51 N22 a 3 ′ RP11-478 F4 MSR1, 5 ′ RP11-6O24 a 3 ′ RP11-794E24 ERG, 5 ′ BAC RP11-372O17 a 3 ′ BAC RP11- Sonda de referencia 24A11 en 10q25, BAC RP11-431P18).

CLONET sobre exoma y datos de secuenciación específicos

El enfoque local implementado en CLONET permite el análisis de muestras con pocos SCNA siempre que estén disponibles los recuentos informativos de lectura de SNP y los valores de Log R. Al igual que con los datos de WGS, los SNP informativos específicos individuales pueden identificarse a partir de muestras de ADN normal emparejadas. Los valores de Log R apropiados para los segmentos genómicos del exoma o para cada área objetivo pueden obtenerse con estrategias específicas de la plataforma y proporcionarse a CLONET como entrada. Específicamente, en el caso de los datos del exoma, se pueden utilizar datos segmentados basados ​​en matrices o segmentos SCNA directamente inferidos de los datos del exoma con herramientas recientes de buen rendimiento [43]. CLONET combina la entrada de segmentos con recuentos de lecturas derivadas del exoma para estimar la pureza y la ploidía y luego designar aberraciones subclonales en función de los datos de secuenciación. En el caso de datos de secuenciación dirigida, las llamadas de número de copias derivadas utilizando regiones de control personalizadas y una cobertura muy alta (& gt1,000X) [38] permitieron la estimación de clonalidad basada en CLONET incluso en el caso de un contenido tumoral bajo (& lt10%).

Distribución esperada de la fracción alélica de un segmento genómico

Considere un segmento genómico que abarca un conjunto de SNP informativos para el individuo de interés. Para cualquier SNP con cobertura cov, el número total de lecturas r que apoya la base de referencia (lecturas de referencia) es la suma de las lecturas neutrales (rnorte) y las lecturas activas (ra) apoyando la base de referencia. Definimos β como la relación entre lecturas neutrales y el número total de lecturas que abarcan el SNP de interés. La probabilidad de tener k lecturas de referencia se define entonces como la convolución de la probabilidad de observar β * k lecturas neutrales y (1 - β)*k lecturas activas, es decir:

Asumimos que PAG(r norte = β*k) sigue una distribución binomial con un número de ensayos igual a β * cov y probabilidad de éxito igual a PD (es decir, la probabilidad de observar una lectura de referencia). Tenga en cuenta que PD puede desviarse de 0.5 debido a sesgos de mapeo de lectura [44]. Todas las lecturas activas apoyan la base de referencia o la base alternativa, ya que solo un alelo está representado por la definición de lecturas activas. Definimos norte árbitro como la proporción de SNP informativos dentro de la aberración que llevan la base de referencia de SNP en el alelo representado por lecturas activas (alelo activo). Entonces, la distribución PAG(r a = (1 ββ)*k) sigue una distribución categórica con valores iguales a norte árbitro si r a = (1 ββ)*k e igual a (1 - norte árbitro) si r a = 0. La ecuación 2 se puede escribir en forma cerrada como la suma de dos distribuciones binomiales (prueba en el archivo adicional 1):

dónde B(m | n,pag) es la función de masa de probabilidad de una distribución binomial, es decir, la probabilidad de metro éxitos en norte ensayos con probabilidad de éxito PAG.

Proporción estimada de lecturas neutrales para un segmento genómico

Los valores desconocidos β y norte árbitro de la Ecuación 3 se puede inferir de la cobertura de secuenciación en SNP informativos dentro del segmento considerado. En particular, dado un segmento Seg y un set I de SNP informativos dentro Seg, cada SNP informativo en I es una muestra de la distribución de la Ecuación 3. La optimización se puede utilizar para determinar los valores de β y norte árbitro para cada segmento. Dado un par aleatorio (β, norte árbitro), la prueba de bondad de ajuste no paramétrica de Kolmogorov-Smirnov para distribución nula discreta [45] calcula la probabilidad de que los SNP informativos en I son una muestra de PAG(r = k|C, ββ, βnorte árbitro, βPD). A continuación, un método de optimización de enjambre de partículas [13] encuentra un par candidato β ^, N ^ ref que representa mejor la distribución de la fracción alélica de los SNP en I.

De lecturas neutrales a lecturas no aberrantes

Considere un segmento genómico Seg. Si el valor Log R de Seg admite un SCNA C, definimos como aberrantes aquellas lecturas que cubren Seg y se secuencian a partir de células que albergan C. Si Seg es una deleción monoalélica somática candidata, el porcentaje de lecturas neutras β corresponde al porcentaje de lecturas que cubren Seg y se secuencian a partir de células que albergan ambos alelos, es decir, se corresponden lecturas neutrales y no aberrantes. Si el valor Log R de Seg admite una ganancia con número de copia entero cn & gt 2, tenemos que volver a escalar β para obtener el porcentaje de celdas secuenciadas que tienen número de copia cn (es decir, el porcentaje de lecturas no aberrantes). En aras de la simplicidad, razonamos en términos de como máximo una copia de diferencia entre alelos. Si cn es impar, el número de lecturas neutrales es la suma de las lecturas neutrales de las celdas mezcladas más las lecturas neutrales de la ganancia (Figura S10B en el archivo adicional 12). El porcentaje β cn de lecturas de celdas con número de copia cn se calcula a partir del porcentaje de lecturas neutrales β eliminando lecturas neutrales debido a la ganancia, es decir:

Si cn es par y como máximo se permite una copia de diferencia entre los alelos, entonces β está cerca de uno, ya que ambos alelos están representados por igual. Este razonamiento se aplica a cualquier combinación arbitraria del número de alelos (Figura S10C en el archivo adicional 12).


Descripción de la prueba

Detección de poblaciones monoclonales, policlonales u oligoclonales de células T mediante PCR y análisis de fragmentos de los genes TCRB y TCRG

Fondo

Se utiliza un enfoque multimodal en el diagnóstico de linfomas. El diagnóstico puede ser particularmente difícil en algunos casos basándose únicamente en la morfología y la inmunofenotipificación. La prueba molecular explota el reordenamiento de los genes del receptor de células T (TCR) gamma y del receptor de células T beta. Estos genes se reorganizan en kilobases de secuencia genética y son únicos para cada célula T madura normal. Un proceso reactivo, por lo tanto, demostrará una expansión policlonal de células T con diferentes reordenamientos de seis, mientras que un proceso oligoclonal producirá algunos clones y un proceso maligno a menudo demostrará la expansión de una población de células T que se origina a partir de una sola célula y, por lo tanto, todas tendrá el mismo reordenamiento. La detección de un reordenamiento del gen TCR clonal mediante la reacción en cadena de la polimerasa (PCR) puede ser extremadamente útil como ayuda en el diagnóstico del proceso de células T clonales.

Utilidad clínica

Si la naturaleza del proceso linfoproliferativo de las células T no puede determinarse con precisión mediante la morfología y la inmunofenotipificación, los estudios basados ​​en PCR para los reordenamientos del gen del receptor de las células T pueden ayudar a establecer la clonalidad. La presencia de un reordenamiento del gen del receptor de células T clonales suele (pero no siempre) indicativo de un proceso neoplasmático. Esta prueba también se puede utilizar para hacer un seguimiento de los pacientes después del tratamiento para ver si el clon aún persiste y comparar las lesiones de dos sitios diferentes para determinar si se trata de un proceso clonal igual o diferente.

Metodología

La clonalidad de las células T se determina mediante PCR y análisis de fragmentos de productos marcados con fluorescencia. InVivoScribe proporciona comercialmente mezclas maestras en un ensayo BIOMED-2 para los genes TCRB y TCRG. Los patrones consistentes con poblaciones de células T policlonales, oligoclonales y monoclonales se interpretan a partir de electroferogramas de tamaño de fragmentos. La reacción del tubo B para T gamma se ha modificado para proporcionar una detección más confiable de reordenamientos de V11.

Requisitos de la muestra

  1. Sangre periférica: 3-5 ml, recogidos en un tubo con EDTA (tapa violeta), conservar a temperatura ambiente durante 24 horas
  2. Médula ósea: 0,5-1 ml, recogido en un tubo con EDTA (tapa violeta), conservar a temperatura ambiente, 24 horas
  3. Tejido: Puede utilizarse tejido fresco o congelado. Se requiere un mínimo de 2 x 2 x 2 mm (se prefiere 5 x 5 x 5 mm). Para las instalaciones locales, preferimos que la muestra se envíe fresca en hielo húmedo para que llegue al laboratorio el mismo día. Para instalaciones externas, el enfoque preferido es congelar el tejido directamente o como sedimentos celulares a -20 o -70 ° C y enviarlo por correo con suficiente hielo seco para evitar que se descongele antes de llegar a nuestro laboratorio.
  4. Secciones de parafina: 10 secciones en portaobjetos de vidrio. Es posible que se requieran más secciones si el tejido es pequeño. Llame al laboratorio si tiene preguntas. Incluya el% del área de tejido afectada por la neoplasia y la firma del patólogo.
  5. Muestras inaceptables: Muestra descalcificada, sangre congelada o muestras de médula ósea son inaceptables, al igual que muestras de tejido que se han sometido a ciclos de congelación / descongelación.

Realizado

Tiempo de respuesta

Dentro de los 3-7 días hábiles posteriores a la recepción

TCRB Gen 81340 TCRG Gen 81342

El envío debe incluir

Referencias

  1. Cossman, J. y M. Uppenkamp, ​​(1988), reordenamientos de genes de células T y diagnóstico de neoplasias de células T, en Clasificación, diagnóstico y biología molecular de trastornos linfoproliferativos, Clinics in Lab Med., 8 (1): 31-44.
  2. Benhattar, J. et al, (1995), Detección mejorada por reacción en cadena de la polimerasa de neoplasias linfoides de células T clonales, Diagn.Mol.Path., 4 (2): 108-112.
  3. Coad, J. et al, (1997), Evaluación molecular de la clonalidad en trastornos linfoproliferativos: II. Reordenamientos del gen del receptor de células T, Mol.Diagn., 2 (1): 69-81.
  4. Vargas, R.L., R.E. Felgar, et al. 2008. Detección de clonalidad en linfoproliferaciones mediante PCR de los genes del receptor de antígeno: ¿Importa el tamaño? Leukemia Res. 32 :: 335-338.
  5. van Dongen, JJM y col. 2003. Diseño y estandarización de cebadores y protocolos de PCR para la detección de inmunoglobulinas clonales y recombinaciones de genes de receptores de células T en linfoproliferaciones sospechosas: Informe de la acción concertada BIOMED-2 BMH4-CT98-3936, Leucemia 17: 2257–2317.
  6. Sandberg, Y et al. 2005. Los protocolos de reacción en cadena de la polimerasa de inmunoglobulina múltiple / receptor de células T BIOMED-2 pueden reemplazar de manera confiable el análisis de transferencia Southern en el diagnóstico de clonalidad de rutina, J. Mol. Diag., 7 :, 495.
  7. Langerak, A.W. et al. 2012. Directrices de Euroclonalidad / BIOMED-2 para la interpretación y notificación de pruebas de clonalidad de G / TCR en sospechas de linfoproliferaciones. Leucemia 26: 2159-2171.
  8. Rothberg, P.G. et al. 2012. Productos de PCR del gen del receptor de antígeno clonal fuera del rango de tamaño esperado. J. Hematopathol. 5: 57-67.

y copia 2021 UPMC | Centro médico de la Universidad de Pittsburgh.
Diseñado y mantenido por Enterprise Provider Solutions.
Envíe preguntas y comentarios a los administradores web.


Conocimientos sobre los elementos fundamentales de la vida

Nuestros investigadores de biología celular colaboran con biólogos moleculares, estructurales, genéticos, del desarrollo y evolutivos, así como con expertos en genómica, genética, virología, enfermedades infecciosas, biología computacional, patología e investigación clínica.

Muchos científicos de Fred Hutch buscan una comprensión más profunda de las estructuras celulares fundamentales. Las estructuras dentro de las células influyen en todo, desde el movimiento celular individual hasta el metabolismo de un organismo. Incluyen el citoesqueleto, una red de proteínas interna dinámica que le da a las células su forma y su capacidad para moverse, una función clave que la propagación de las células cancerosas puede aprovechar. Nuestros investigadores también estudian cómo las células empaquetan y organizan su ADN, lo que influye en la expresión genética, y cómo la forma de la membrana de una célula nerviosa afecta la comunicación entre neuronas.

Nuestros investigadores también estudian procesos celulares fundamentales que las células cancerosas suelen cooptar. Por ejemplo, las células madre pueden renovarse o convertirse en células especializadas. Las células cancerosas a menudo pueden adquirir propiedades "parecidas a un tallo" que les permiten crecer sin restricciones. Nuestros investigadores estudian las células madre normales y cancerosas, así como las características de los órganos de desarrollo temprano que pueden adoptar los tumores. Otros procesos que estudian en el contexto de la salud y la enfermedad incluyen cómo las células se adhieren y se comunican entre sí y cómo construyen proteínas.


Inferencia de clonalidad a partir de muestras de un solo tumor utilizando datos de secuencia de baja cobertura

La inferencia de heterogeneidad intratumoral puede proporcionar información valiosa sobre la evolución del cáncer. Las mutaciones somáticas detectadas por secuenciación pueden ayudar a estimar la pureza de una muestra de tumor y reconstruir su composición subclonal. Aunque se han desarrollado varios métodos para inferir la heterogeneidad intratumoral, la mayoría de estas herramientas se basan en frecuencias de alelos variantes estimadas mediante secuenciación ultraprofunda de múltiples muestras del mismo tumor. En la práctica, la obtención de datos de secuenciación de un gran número de muestras por paciente solo es factible en unos pocos tipos de cáncer, como los tumores líquidos, o en casos raros que involucran tumores sólidos seleccionados para la investigación. Presentamos CTPsingle, que tiene como objetivo inferir la composición subclonal mediante el uso de datos de secuenciación de baja cobertura de una sola muestra de tumor. Demostramos que CTPsingle es capaz de inferir la pureza y la clonalidad de tumores de muestra única con alta precisión, incluso restringida a una profundidad de cobertura de ∼30 ×.

Palabras clave: Secuenciación del ADN, progresión del cáncer, heterogeneidad intratumoral.