Препринт ставит под сомнение исследование, лежащее в основе микробиома

НЬЮ-ЙОРК – В январе Micronoma, стартап из Сан-Диего, штат Калифорния, основанный профессором Калифорнийского университета в Сан-Диего Робом Найтом и его бывшим аспирантом Грегом Сепич-Пуром, получил от Управления по санитарному надзору за качеством пищевых продуктов и медикаментов США статус революционного устройства для своего анализа OncobiotaLung. , анализ на основе микробиома крови для выявления рака легких.

В то время компания, которая утверждает, что первой применила технологию жидкой биопсии, основанную на микробиоме, заявила, что «[т] работа, которая привела к революционному определению устройства, основана на выводах соучредителей Micronoma, опубликованных в научном журнале журналы Nature и Cell».

Однако исследование Nature, опубликованное в 2020 году, теперь предположительно содержит «серьезные ошибки анализа данных», в результате чего его выводы следует считать «недействительными», согласно препринту исследования, опубликованному на BioRxiv в понедельник исследователями из Университет Восточной Англии в Великобритании и Университет Джонса Хопкинса.

Найт отверг критику, заявив, что результаты его команды надежны и воспроизводимы.

Еще неизвестно, как продолжающиеся противоречия могут повлиять на коммерческую разработку диагностических тестов на основе микробиома рака, таких как Micronoma. Компания отказалась отвечать на вопросы GenomeWeb относительно проблем, поднятых в препринте, заявив, что «окно для возможности ответить на эти вопросы закрылось».

Также неясно, может ли критика поставить под угрозу одобрение регулирующими органами препарата OncobiotaLung, который, благодаря своему статусу революционного устройства, имеет право на ускоренное рассмотрение и оценку со стороны FDA. Представитель FDA заявил, что агентство «не может обсуждать ожидающие рассмотрения заявки».

Исследование, о котором идет речь

Опубликованное в 2020 году Найтом, Сепич-Пуром и их сотрудниками, рассматриваемое исследование Nature представило доказательства широко распространенных раковых микробных сигнатур, основанных на данных секвенирования ДНК из более чем 18 000 образцов более чем 10 000 пациентов из Атласа генома рака (The Cancer Genome Atlas). TCGA), охватывающий 33 типа рака.

Обучая алгоритмы машинного обучения, команда Найта продемонстрировала, что может с высокой точностью различать типы опухолей на основе их микробного состава.

«Поначалу я был в восторге, когда вышла статья Роба Найта», — сказал Авраам Гихави, постдокторант из Университета Восточной Англии, который является первым автором препринтного исследования. «Это выглядело как отличное доказательство концепции».

«Тогда вы понимаете: «О Боже, это не обязательно именно то, что заявлено», — добавил он. Первоначальные опасения Гихави включали загрязнение человеческих последовательностей, обработку пакетных эффектов, ложноположительную классификацию и ограничения подходов к машинному обучению, и он опубликовал их в более раннем препринте, опубликованном на BioRxiv в январе этого года.

Этот препринт вскоре был встречен тем, что Найт назвал «тщательным опровержением», которое его команда опубликовала в препринте, опубликованном в феврале.

Кроме того, Найт утверждал, что в статье Cell 2022 года, соавтором которой он был, в которой использовались обновленные методы, были сделаны «те же выводы о том, что микробы специфичны для типа рака».

Две «серьезные ошибки»

После выхода январского препринта Гихави одним из исследователей, обратившихся к нему, был Стивен Зальцберг, компьютерный биолог из Университета Джонса Хопкинса, который стал соавтором и автором препринта этой недели.

«[Стивен] всегда подозревал, что с данными что-то не так, но он не мог этого понять», — сказал Гихави. «Итак, мы начали работать вместе».

Они дополнительно изучили исследование Nature 2020 года, и в их новом препринте, основанном на предыдущем анализе Гихави, утверждается, что в оригинальной статье Найта были две «серьезные ошибки». «Каждая из этих проблем делает результаты недействительными», утверждают исследователи, «что приводит к выводу, что основанные на микробиоме классификаторы для выявления рака, представленные в исследовании, совершенно неверны».