Điểm nổi bật
1. Dự án IBDome trình bày một bộ dữ liệu đa ômics và đa phương thức quy mô lớn, tích hợp 1002 bệnh nhân mắc bệnh viêm ruột (Inflammatory Bowel Disease, IBD) và nhóm chứng.
2. Dự án cho thấy các dấu ấn biểu hiện gen phiên mã (transcriptomic) viêm đặc hiệu, khác biệt giữa bệnh Crohn (Crohn’s disease) và viêm loét đại tràng (ulcerative colitis, UC) ở các vùng khác nhau của ruột.
3. Một chữ ký mức độ nặng viêm dựa trên proteomics huyết thanh đã được xây dựng, có tương quan với tình trạng viêm phân tử tại ruột.
4. Các mô hình học sâu tiên tiến dự đoán chính xác mức độ hoạt động bệnh lý mô học và phân biệt bệnh Crohn với viêm loét đại tràng bằng hình ảnh mô nhuộm hematoxylin-eosin (H&E).
Bối cảnh nghiên cứu
Bệnh viêm ruột, chủ yếu gồm bệnh Crohn (CD) và viêm loét đại tràng (UC), là các rối loạn viêm mạn tính, tái phát của đường tiêu hóa, đặc trưng bởi biểu hiện lâm sàng dị hợp và đáp ứng điều trị thay đổi. Mặc dù đã có nhiều tiến bộ, chẩn đoán chính xác và điều trị đích vẫn còn khó khăn do tính phức tạp của bệnh và sự tương tác giữa yếu tố di truyền, đáp ứng miễn dịch và các tác nhân môi trường khởi phát. Các công nghệ đa ômics, tích hợp các thông số phân tử, mô bệnh học và lâm sàng, hứa hẹn giúp làm rõ cơ chế bệnh sinh, nâng cao độ chính xác chẩn đoán và cá thể hóa phác đồ điều trị; tuy nhiên, các bộ dữ liệu toàn diện, quy mô lớn, tích hợp đầy đủ các lớp dữ liệu này vẫn còn rất hiếm.
Thiết kế nghiên cứu
Nghiên cứu tích hợp đa đoàn hệ này của liên minh TRR241 IBDome bao gồm 1002 người tham gia được chú giải lâm sàng, trong đó có bệnh nhân được chẩn đoán bệnh Crohn, viêm loét đại tràng và nhóm chứng không mắc IBD. Nghiên cứu sử dụng nhiều phương thức dữ liệu chiều cao:
– Giải trình tự toàn bộ vùng mã hóa (whole-exome sequencing) của mô ruột bình thường và mô viêm để phát hiện các bất thường bộ gen.
– Giải trình tự RNA của các mô tương ứng để mô tả hồ sơ transcriptomic và biểu hiện gen liên quan đến viêm.
– Phân tích proteomics huyết thanh để đánh giá các protein viêm lưu hành.
– Phân tích mô bệnh học bằng hình ảnh toàn tiêu bản (whole-slide imaging) của mô nhuộm hematoxylin và eosin (H&E).
Các tiêu chí đánh giá bao gồm xác định các chữ ký phân tử phân biệt các phân nhóm bệnh và trạng thái viêm, phát triển một bộ dấu ấn sinh học dựa trên huyết thanh phản ánh mức độ nặng của viêm ruột, và triển khai các thuật toán học sâu để chấm điểm mô học tự động và phân loại phân nhóm bệnh.
Kết quả chính
Chữ ký transcriptomic khác biệt theo loại bệnh và vị trí
Nghiên cứu xác định các hồ sơ biểu hiện gen viêm đặc hiệu ở bệnh Crohn và viêm loét đại tràng, cho thấy sự khác biệt theo vị trí giữa mô ruột bình thường và mô viêm. Các chữ ký transcriptomic này nhấn mạnh những cơ chế sinh lý bệnh khác nhau thúc đẩy các bệnh này. Đặc biệt, giải trình tự RNA cho thấy các kiểu thâm nhập tế bào miễn dịch và thay đổi biểu hiện cytokine khác biệt, liên quan đến phân nhóm bệnh và đoạn ruột bị ảnh hưởng.
Chữ ký proteomics huyết thanh về mức độ nặng viêm
Bằng cách tích hợp dữ liệu proteomics huyết thanh, các nhà nghiên cứu đã phát triển một chữ ký protein viêm phản ánh chính xác tình trạng viêm phân tử trong mô ruột. Bộ dấu ấn sinh học dựa trên máu này có tiềm năng theo dõi hoạt động bệnh ít xâm lấn hơn, tương quan chặt chẽ với các dấu ấn transcriptomic ở mức mô, và có thể hỗ trợ định hướng chiến lược điều trị cá thể hóa.
Học sâu cải thiện chẩn đoán mô bệnh học và phân loại bệnh
Các thuật toán học sâu dựa trên mô hình nền tảng tiên tiến đã được sử dụng để phân tích hình ảnh số của sinh thiết ruột nhuộm H&E. Các mô hình này cho thấy độ chính xác cao trong dự đoán điểm hoạt động bệnh lý mô học vốn được các bác sĩ giải phẫu bệnh đánh giá theo quy ước. Ngoài ra, chúng còn phân biệt tin cậy bệnh Crohn với viêm loét đại tràng dựa trên các khác biệt hình thái mô tinh tế, qua đó có thể hỗ trợ ra quyết định lâm sàng và giảm biến thiên chẩn đoán.
Nguồn tài nguyên công khai thúc đẩy nghiên cứu
Bộ dữ liệu đa ômics IBDome đã được công khai, cung cấp một nguồn tài nguyên chưa từng có để thúc đẩy nghiên cứu về nền tảng phân tử, dấu ấn sinh học chẩn đoán và mục tiêu điều trị trong IBD.
Bình luận chuyên gia
Atlas đa ômics toàn diện này là một ví dụ tiêu biểu cho tiềm năng chuyển đổi của các tiếp cận tích hợp trong bệnh viêm ruột. Bằng cách kết hợp dữ liệu bộ gen, transcriptomic, proteomics và mô bệnh học với các phân tích tính toán tiên tiến, liên minh nghiên cứu đã nâng cao hiểu biết về tính không đồng nhất của bệnh và các biểu hiện của nó. Việc xác định các khác biệt transcriptomic theo vị trí thách thức quan niệm truyền thống xem IBD là một thực thể bệnh đồng nhất, đồng thời nhấn mạnh nhu cầu về các liệu pháp được cá thể hóa.
Chữ ký proteomics huyết thanh cung cấp một dấu ấn sinh học thuận tiện trên lâm sàng để theo dõi theo thời gian thực; nếu được xác thực tiền cứu, phương pháp này có thể giảm sự phụ thuộc vào đánh giá nội soi xâm lấn. Việc ứng dụng học sâu thành công vào mô bệnh học đánh dấu sự chuyển dịch sang giải phẫu bệnh tăng cường bởi AI, có tiềm năng chuẩn hóa chấm điểm hoạt động bệnh và phân loại phân nhóm bệnh, vốn trước đây thường chịu ảnh hưởng bởi biến thiên giữa các quan sát viên.
Tuy nhiên, một số hạn chế cần được lưu ý. Mặc dù tích hợp đa ômics rất mạnh, việc chuyển các bộ dữ liệu phức tạp thành các thuật toán lâm sàng thường quy đòi hỏi xác thực cẩn thận trên các quần thể đa dạng. Hơn nữa, thiết kế cắt ngang hạn chế khả năng hiểu biết về diễn tiến bệnh theo thời gian và đáp ứng điều trị. Các nghiên cứu tương lai nên bao gồm đoàn hệ tiền cứu và thử nghiệm can thiệp để xác lập mối liên hệ nhân quả và ý nghĩa điều trị. Ngoài ra, các mô hình học sâu cần được xác thực ngoại bộ trên các tiêu chuẩn xử lý mô bệnh học khác nhau.
Kết luận
Nghiên cứu IBDome là một nỗ lực mang tính cột mốc trong việc xây dựng một atlas toàn diện, đa chiều về bệnh viêm ruột, tận dụng công nghệ định danh phân tử tiên tiến và giải phẫu bệnh tính toán. Cách tiếp cận tích hợp này làm sáng tỏ các chữ ký phân tử và mô học khác biệt giúp phân biệt bệnh Crohn với viêm loét đại tràng và phản ánh mức độ nặng của viêm nền tảng. Bộ dấu ấn sinh học huyết thanh mới nổi và các công cụ đánh giá mô học được hỗ trợ bởi AI hứa hẹn cải thiện theo dõi bệnh và nâng cao độ chính xác chẩn đoán. Quan trọng hơn, bộ dữ liệu công khai đặt nền tảng cho các đổi mới trong quản lý IBD cá thể hóa trong tương lai, tiến tới mô hình y học chính xác. Việc ứng dụng trên lâm sàng vẫn cần thêm các nghiên cứu xác thực tiền cứu và triển khai trong thực tế.
Tài trợ
Công trình này được hỗ trợ bởi liên minh TRR241 IBDome và các cơ sở học thuật, lâm sàng liên quan. Thông tin chi tiết về tài trợ được trình bày trong bài báo gốc.
Tài liệu tham khảo
1. Plattner C, Sturm G, Kühl AA, et al. IBDome: An Integrated Molecular, Histopathological, and Clinical Atlas of Inflammatory Bowel Diseases. Gastroenterology. 2026 Jun 10. PMID: 42269946.
2. Neurath MF. Current and emerging therapeutic targets for IBD. Nat Rev Gastroenterol Hepatol. 2017;14(5):269-278.
3. Jairath V, Feagan BG. Management of moderate to severe ulcerative colitis: a review of recent developments. Gut. 2021;70(5):1063-1071.
4. Becker C, Neurath MF. Novel insights into pathogenesis and treatment of IBD. J Clin Invest. 2022;132(12):e159596.
5. Kather JN, Calderaro J, Bankhead P, et al. Deep learning can predict microsatellite instability directly from histology in gastrointestinal cancer. Nat Med. 2019;25(7):1054-1056.
6. Atreya R, Neurath MF. Signaling molecules in IBD pathogenesis. Expert Rev Clin Immunol. 2021;17(5):439-450.