Nature长文报道基于DNA甲基化的中枢神经系统肿瘤分型

　　肿瘤的正确诊断对于后期治疗至关重要。在过去的一个世纪中，CNS肿瘤的分类主要是依据对组织发生的认识，人们可以根据肿瘤与某种起源细胞的相似性和推定的分化水平对其进行分类。一般而言，组织学上的特征主要取决于显微镜下苏木精-伊红染色特征、相关蛋白的免疫组织化学表达以及超微结构的特点【1】。

　　2016年版世界卫生组织(WHO)中枢神经系统肿瘤分类相对于2007版，首次在组织学的基础上使用分子学的特征来进行肿瘤分类，从而为分子时代CNS肿瘤诊断构建了一个新的概念【2】。然而在已知的近100多种中枢神经系统肿瘤（central nervous system tumor,CNS tumor，简称“CNS肿瘤”）中，相关标准化的诊断面临很大的挑战。

　　3月14日，Nature杂志以长文形式发表了德国海德堡大学医院、德国癌症研究中心等单位上百名科学家联合完成的题为“DNA methylation-based classification of central nervous system tumours”的论文，研究发现基于DNA甲基化数据的分析可以改善脑肿瘤的诊断。

　　近年来，肿瘤表观遗传学领域的快速发展，为肿瘤诊断分型提供了一种可靠、有效的方法【3,4】。尽管此前也有部分关于运用DNA甲基化的分析对某些CNS肿瘤进行分型的报道【5-7】，但是最新的这项研究却是对于所有CNS肿瘤进行系统的基于DNA甲基化检测分析的分型研究，具有重要的应用价值。

　　为了高效、迅速的对CNS肿瘤进行分类，研究人员开发了一个机器学习程序，它可以对甲基化数据进行分类。开发出来的程序经过训练后，可以使用甲基化指纹鉴定91种肿瘤（82种CNS肿瘤，9种对照样本。下图）。

　　训练采用的参照数据来自约2800名癌症患者。作者在1104例已经经过人工检查的中枢神经系统肿瘤上进行了测试，发现有12%例存在误诊。该程序不仅可以提高诊断准确率，而且它的客观性还使之可以如实鉴定出新型罕见肿瘤——人工检查时，会有根据已知肿瘤类型进行诊断的压力，甚至在非典型病例中也是如此。

　　为了让这种新方法得到广泛应用，作者生成了一款免费在线工具（Molecular Neuropathology 2.0； http://www.kitz-heidelberg.de/molecular-diagnostics），可以在区区几分钟内分析上传的数据。自2016年12月上线以来，该工具已被使用逾4500次，用户可以选择分享他们的数据，以便进一步优化算法。作者总结表示，将甲基化指纹与脑肿瘤自动分类器整合起来还可以为创造类似的肿瘤分类算法用于诊断其它癌症类型提供一个蓝图。