急性白血病是一种发病迅速且进展激烈的血液系统恶性肿瘤,涵盖急性髓系白血病(AML)、B细胞急性淋巴细胞白血病/淋巴瘤(B-ALL)、T细胞急性淋巴细胞白血病/淋巴瘤(T-ALL)以及罕见的模糊系急性白血病(ALAL)等多种分类。由于其发病急迫,患者亟需得到快速且精准的分型诊断,以指导临床治疗和预后判断。然而,传统的诊断手段如骨髓形态学评估、流式细胞术、免疫组化、细胞遗传学检测和靶向基因测序等方法耗时较长,往往需要数日甚至数周,严重影响治疗时效。与此同时,这些手段也难以全面反映急性白血病的复杂异质性,从而限制了精准治疗的发展。 表观遗传学,尤其是DNA甲基化分析,近年来在肿瘤分类领域发挥了革命性作用。以往神经肿瘤研究中,基于DNA甲基化的分类方法已经成功揭示了多种新型肿瘤亚型,且得到了世界卫生组织(WHO)的认可和采纳。
结合机器学习算法,DNA甲基化数据能够实现高重复性、高准确度的肿瘤诊断分类,并有效指导临床决策。最新的纳米孔测序技术则进一步加快了甲基化信息的获取过程,不仅免去了传统的重亚硫酸盐转化和PCR扩增等复杂步骤,还实现了实时测序和分析,为快速诊断提供了技术基础。 在此背景下,研究者们开发了基于全基因组DNA甲基化谱的急性白血病快速分类方案,旨在将表观基因组信息整合进临床诊断流程。该研究整合了来源于多个公开数据库的数据,建立了包含2540个高质量急性白血病样本的综合参考队列,囊括了各年龄段和白血病主要亚型,定义了38个独特的DNA甲基化分类群。通过高维数据降维可视化发现,不同急性白血病亚型具有明确的甲基化特征群组,且内部存在显著的表观异质性。 DNA甲基化分类在急性白血病的血统判定中展现出极高的一致性,整体与免疫表型分类达97.3%的符合率,尤其在AML、B-ALL和T-ALL三大亚型中精确率均超过96%。
值得注意的是,对于模糊系统白血病和某些分子驱动因素复杂的亚型,如BCL11B激活的ALAL、HOXA9激活的T-ALL以及部分ZNF384重排的B-ALL,甲基化分类反映了分子层面的驱动特征,而非仅限于传统血统定义。这一优点使得甲基化分类能够挖掘传统方法难以捕捉的病理异质性,为临床提供更细腻的病种划分标准。 急性髓系白血病作为研究重点,深度剖析了其表观异质性。已有研究大多聚焦于单一白血病谱系,规模有限。此次综合分析的数据量在现有研究中创纪录,尤其完善了对儿童与成人AML的覆盖。研究发现,21个AML甲基化类别中,有8个与已知驱动基因突变高度相关,这包括了涉及关键融合基因(PML::RARA、RUNX1::RUNX1T1、CBFB::MYH11等)和特定基因突变(CEBPA)的类别,均对应患者的年龄分布、分化状态及预后特征。
同时,部分样本由于存在联合致癌基因作用,表现出与遗传学分类不一致的表观状态,提示甲基化分类能反映肿瘤细胞的生物学行为与病理愈合潜力更为全面。 此外,基于HOX基因家族激活的亚型展现了白血病中特有的异质性和临床意义。HOXA和HOXB基因簇的激活不仅见于NPM1和KMT2A重排驱动的白血病,也包括若干罕见融合或突变,如NUP98重排和UBTF内含子重复扩增。这些特征通过甲基化类群可得到明确识别,有助于发现罕见或隐匿的病因,指导选用新型靶向药物如menin抑制剂。研究还揭示,不同HOX激活组之间存在差异化的分子特征、患者年龄分布和生存预后,进一步支持表观基因组分型作为重要的风险分层工具。 为实现临床可行性,研究团队设计并训练了名为MARLIN的神经网络分类器,输入基于超过35万高质量CpG位点的甲基化数据,输出预估样本所属的38个急性白血病甲基化类别及4个对照类别的置信度。
为适应纳米孔测序初期低覆盖及数据稀疏性的挑战,模型在训练时刻意模拟高比例CpG缺失,通过随机"丢弃"输入特征,成功提升了对稀疏数据的适应能力。交叉验证显示,MARLIN在全覆盖和97%CpG缺失条件下均表现稳定,准确区分大部分白血病类别,误判多发生在生物学相近类别之间。 多平台外部验证进一步展现MARLIN的鲁棒性。涵盖了27k、450k甲基化芯片、全基因组重亚硫酸盐测序及少量纳米孔测序样本,均能精准分类。其中,针对不同急性淋巴细胞白血病亚型及正常对照样本的测试均显示高精度。该模型实现了跨技术的良好兼容,展示出临床广泛推广的潜力。
在临床样本验证中,19例急性白血病患者的纳米孔测序数据被MARLIN分析。高置信度预测的16例中有15例符合临床诊断,含十例急性髓系白血病、五例B-ALL及一例T-ALL。部分病例MARLIN还能细化诊断类别,如揭示未被传统检测捕获的隐匿性驱动突变,展现了其在发现潜在分型标志物方面的价值。此外,模型在少数病例中出现了血统定义的差异,反映了令人关注的临床及生物学复杂性,提示甲基化分类需结合传统诊断方法多维解读。 为评估快速诊断可行性,研究创建实时分析工作流,实现分秒级纳米孔测序数据与MARLIN分类的联动,可于采样后2小时内生成诊断报告。多例前瞻性临床样品测试结果与传统检测高度一致,且提前完成分型。
这种高效、准确、操作简便的诊断手段,预示着急性白血病化验室未来可能实现更快速的病理诊断方案,缩短治疗启动时间,降低患者死亡风险。 尽管研究成果令人振奋,但仍需正视其局限。当前甲基化参考集中样本量虽大,但部分罕见亚型仍可能统计不足,需要后续更多数据完善。模型尚未涵盖像骨髓增生异常综合征等与急性白血病临床表现相近的相关疾病,实际应用时需结合临床病理资料谨慎判断。治疗后或复发样本的甲基化特征尚未纳入,未来研究应补充此类数据。纳米孔测序成本和硬件门槛亦是推广挑战之一。
未来,结合更大规模队列、多组学整合及机器学习算法升级,基于表观基因组的急性白血病快速分类技术有望助力精准医学革命。配合新兴靶向疗法与免疫治疗,定制化诊疗方案的实现指日可待。快速、低成本的甲基化检测也为基层医疗机构提供了切实可行的分型检测策略,有助于缩小区域医疗差距。 综上,以DNA甲基化为核心的快速表观基因组分类技术通过构建详尽的甲基化参考库,开发适应低覆盖数据的神经网络模型MARLIN,结合实时纳米孔测序应用,极大地提升了急性白血病的分型效率和准确性。该技术不仅能补充传统多维诊断方法的不足,还为临床制定个性化精准治疗提供了科学依据,代表了血液肿瘤诊断的前沿方向。随着技术成熟和临床验证深入,其将在提升急性白血病患者诊治水平中发挥重要作用,推动精准医疗不断向前发展。
。
