Nâng cao độ chính xác tiên lượng trong bệnh bạch cầu cấp dòng tủy nhờ các chữ ký methyl hóa DNA

Điểm nổi bật

Nghiên cứu này khảo sát cách các dấu ấn biểu sinh, đặc biệt là các kiểu hình methyl hóa DNA, có thể bổ trợ cho các dấu ấn tiên lượng di truyền hiện có trong bệnh bạch cầu cấp dòng tủy (Acute Myeloid Leukemia, AML). Nghiên cứu xác định 13 phân nhóm methyl hóa DNA (epitype) khác biệt, có liên quan chặt chẽ với các biến đổi di truyền. Đáng chú ý, một số bệnh nhân biểu hiện kiểu methyl hóa tương tự như ở những trường hợp có đột biến di truyền chủ chốt, mặc dù không mang các đột biến này, và có diễn biến lâm sàng bất lợi tương tự. Một chữ ký giảm methyl hóa STAT mới (STAT hypomethylation signature, SHS) liên quan với đột biến FLT3-ITD còn giúp tinh chỉnh thêm khả năng dự báo nguy cơ. Việc tích hợp dữ liệu biểu sinh với các yếu tố di truyền, nhân khẩu học và lâm sàng làm tăng độ chính xác dự đoán lui bệnh, tái phát và sống còn.

Bối cảnh nghiên cứu

Bệnh bạch cầu cấp dòng tủy (Acute Myeloid Leukemia, AML) là một bệnh ác tính huyết học không đồng nhất, đặc trưng bởi sự tăng sinh dòng vô tính của các tiền thân dòng tủy trong tủy xương và máu ngoại vi. Phân tầng nguy cơ chính xác có vai trò then chốt trong việc định hướng quyết định điều trị. Tiên lượng hiện nay phụ thuộc nhiều vào phát hiện đột biến gen và bất thường nhiễm sắc thể, vốn tạo nền tảng cho các phân nhóm phân tử với tiên lượng khác nhau. Tuy nhiên, một số bệnh nhân không thể được phân loại đầy đủ chỉ bằng các dấu ấn này, gây khó khăn cho việc dự đoán chính xác tiên lượng và đáp ứng điều trị. Các biến đổi biểu sinh, đặc biệt là thay đổi methyl hóa DNA, đã nổi lên như những yếu tố quan trọng trong quá trình sinh bệnh bạch cầu và có thể đóng vai trò là các dấu ấn sinh học bổ trợ. Do đó, hiểu rõ các kiểu hình methyl hóa DNA có thể giúp tinh chỉnh phân nhóm phân tử và cung cấp thêm thông tin về cơ chế bệnh sinh cũng như đặc điểm lâm sàng của bệnh.

Thiết kế nghiên cứu

Nghiên cứu đã khảo sát methyl hóa DNA ở 1.262 bệnh nhân AML mới chẩn đoán (de novo AML), sử dụng phân cụm không giám sát toàn diện để xác định các phân nhóm biểu sinh, gọi là epitype. Mỗi epitype chủ yếu tương ứng với một biến đổi di truyền đặc trưng (ví dụ: đột biến CEBPA, FLT3-ITD, sắp xếp lại core-binding factor, sắp xếp lại KMT2A). Những bệnh nhân không có các đột biến chủ chốt này nhưng lại có hồ sơ methyl hóa tương tự được xếp vào nhóm giống biến đổi di truyền (genetic alteration-like). Từ đó, nghiên cứu xây dựng một chữ ký methyl hóa DNA tập trung và giàu ở bệnh nhân FLT3-ITD, cho thấy hiện tượng giảm methyl hóa tại các vị trí gắn của yếu tố phiên mã STAT, được gọi là chữ ký giảm methyl hóa STAT (SHS). Nghiên cứu áp dụng các mô hình machine learning tích hợp chữ ký methyl hóa, biến đổi di truyền, đặc điểm nhân khẩu học và dữ liệu lâm sàng để đánh giá hiệu năng dự đoán lui bệnh, tái phát và sống còn toàn bộ.

Kết quả chính

Xác định 13 epitype: Phân cụm methyl hóa DNA không giám sát đã phân biệt được 13 epitype, mỗi epitype phần lớn tương ứng với các đột biến driver di truyền chủ chốt hoặc các sắp xếp lại nhiễm sắc thể vốn được dùng để xác định các phân nhóm phân tử AML. Sự tương đồng chặt chẽ này khẳng định profiling methyl hóa là một công cụ phân loại vững chắc đối với tính không đồng nhất của AML.

Kiểu hình giống biến đổi di truyền và kết cục lâm sàng: Một số bệnh nhân không mang đột biến chủ chốt nhưng vẫn biểu hiện kiểu methyl hóa DNA mô phỏng các trường hợp có biến đổi di truyền (genetic alteration-like). Đáng chú ý, các trường hợp này có kết cục lâm sàng tương tự nhóm mang đột biến thực sự, gợi ý sự hội tụ về chức năng hoặc theo con đường tín hiệu có thể được phát hiện qua biểu sinh.

Chữ ký giảm methyl hóa STAT (SHS): Một chữ ký methyl hóa đặc hiệu liên quan với FLT3-ITD cho thấy tình trạng giảm methyl hóa tại các vị trí gắn của yếu tố phiên mã STAT. Tính dương tính với SHS liên quan đến sống còn xấu hơn rõ rệt, qua đó cải thiện phân tầng nguy cơ vượt ra ngoài tình trạng đột biến FLT3-ITD đơn thuần.

Cải thiện mô hình tiên lượng: Tích hợp các dấu ấn biểu sinh với các biến số di truyền, nhân khẩu học và lâm sàng bằng machine learning đã nâng cao khả năng dự đoán lui bệnh, nguy cơ tái phát và sống còn toàn bộ. Cách tiếp cận tích hợp này vượt trội hơn độ chính xác tiên lượng của các mô hình truyền thống chỉ dựa vào di truyền.

Bình luận chuyên gia

Nghiên cứu này góp phần quan trọng vào việc mở rộng hiểu biết về sinh học AML, cho thấy profiling methyl hóa DNA có thể phản ánh các trạng thái biểu sinh tương ứng với những biến đổi di truyền nền và các tác động chức năng của chúng. Việc nhận diện các epitype giống biến đổi di truyền nhấn mạnh rằng bối cảnh biểu sinh có thể giúp phát hiện những bệnh nhân nguy cơ cao có thể bị bỏ sót nếu chỉ sàng lọc đột biến theo phương pháp thông thường. Phát hiện SHS đặc biệt có ý nghĩa, vì FLT3-ITD là một đột biến AML thường gặp với tiên lượng thay đổi tùy theo các yếu tố đồng mắc; SHS bổ sung thêm một tầng tinh chỉnh tiên lượng mới, có thể định hướng các chiến lược điều trị cá thể hóa.

Tuy nhiên, vẫn còn một số điểm cần được thảo luận. Mặc dù đoàn hệ bệnh nhân lớn và đa dạng, việc xác thực trên các đoàn hệ tiến cứu độc lập là rất cần thiết. Cơ chế sinh học liên kết thay đổi methyl hóa với chức năng gen và quá trình sinh bạch cầu cần được nghiên cứu phân tử sâu hơn, đặc biệt là vai trò của tín hiệu STAT trong sinh lý bệnh AML. Ngoài ra, để đưa profiling biểu sinh vào thực hành lâm sàng thường quy sẽ cần chuẩn hóa xét nghiệm, phân tích hiệu quả chi phí và tích hợp với quy trình chẩn đoán hiện có.

Nhìn chung, các phát hiện này nhấn mạnh tầm quan trọng của việc tích hợp biểu sinh cùng với di truyền trong đánh giá nguy cơ AML toàn diện, từ đó có thể hỗ trợ phân tầng điều trị trong tương lai và phát triển các liệu pháp đích.

Kết luận

Nghiên cứu này thuyết phục rằng các dấu ấn biểu sinh, đặc biệt là kiểu methyl hóa DNA, làm phong phú đáng kể cho ước tính nguy cơ di truyền trong AML. Bằng việc xác định các epitype được định nghĩa bởi methyl hóa có kiểu hình tương đồng với các biến đổi di truyền và phát hiện một chữ ký SHS có ý nghĩa tiên lượng, nghiên cứu đã làm rõ các chiều cạnh mới của tính không đồng nhất trong AML với ý nghĩa lâm sàng rõ rệt. Mô hình machine learning tích hợp dữ liệu biểu sinh, di truyền và lâm sàng là một công cụ dự đoán mạnh mẽ để tối ưu hóa quản lý cá thể hóa người bệnh. Các nghiên cứu xác thực và cơ chế trong tương lai sẽ giúp chuyển hóa những hiểu biết này thành tiến bộ của ung thư chính xác trong AML.

Kinh phí và ClinicalTrials.gov

Nghiên cứu được hỗ trợ bởi các khoản tài trợ và kinh phí từ cơ sở như đã báo cáo trong ấn phẩm gốc. Không ghi nhận đăng ký thử nghiệm lâm sàng cho nghiên cứu phân tích phân tử hồi cứu này.

Tài liệu tham khảo

1. Abdelbaky SB, Giacopelli B, Kohlschmidt J, et al. Epigenetic markers expand genetic risk estimation in acute myeloid leukemia. Blood. 2026 Aug 25; PMID: 42640858.
2. Dohner H, Wei AH, Appelbaum FR. Diagnosis and management of AML in adults: 2022 ELN recommendations from an international expert panel. Blood. 2022;140(12):1345-1377.
3. Figueroa ME, Lugthart S, Li Y, et al. DNA methylation signatures identify biologically distinct subtypes in acute myeloid leukemia. Cancer Cell. 2010;17(1):13-27.
4. Spencer DH, Russler-Germain DA, Ketkar S, et al. DNA methylation as a biomarker in acute myeloid leukemia: emerging clinical utility. Expert Rev Mol Diagn. 2017;17(6):543-552.