HBV-Integrationsmuster enthüllen neue Risikofaktoren und Prognose-Marker für Leberkrebs

Diese umfassende genomische Studie untersuchte die Integrationsmuster von Hepatitis-B-Virus (HBV) DNA in hepatozellulärem Karzinom (HCC) anhand von Daten aus 6 internationalen Kohorten aus Asien, Europa und Nordamerika. Die Forschung befasst sich mit einer kritischen Wissenslücke hinsichtlich der Mechanismen, durch die HBV Leberkrebs verursacht – eine Erkrankung, die weltweit für 50 % der Fälle und in Hongkong für bis zu 90 % verantwortlich ist.

Die Forscher analysierten Integrationsereignisse sowohl in Tumor- als auch in nicht-tumorösem Lebergewebe und deckten dabei auffällige geografische Unterschiede auf. Asiatische Kohorten (Festlandchina, Hongkong, Mongolei) wiesen in Tumoren eine höhere Anzahl von Integrationsereignissen auf als im angrenzenden Gewebe, während westliche Kohorten (Frankreich, USA) das entgegengesetzte Muster zeigten. Dies deutet auf grundlegende Unterschiede in den viralen Integrationsmechanismen zwischen den Populationen hin.

Eine wichtige Entdeckung war die bevorzugte Ausrichtung von HBV auf Telomer- und Centromer-Regionen in Tumorproben. Anhand der großen chinesischen Kohorte (>400 Proben) stellten die Forscher eine signifikante Anreicherung an diesen genomisch kritischen Stellen fest (p<0,001), wobei >92 % der Ereignisse als nicht-repetitive Elemente bestätigt wurden. Eine Phospho-H2AX-Färbung bestätigte erhöhte DNA-Schäden in Geweben mit Telomer-/Centromer-Integrationen im Vergleich zu anderen Stellen.

Die Studie offenbarte dynamische Verschiebungen in den Integrationspräferenzen während der Krebsentstehung. Nicht-tumoröse Gewebe zeigten eine Anreicherung in einer spezifischen „N-Peak"-Region, während Tumoren bevorzugt Integrationen an Telomer-/Centromer-Stellen akkumulierten – was darauf hindeutet, dass diese Positionen selektive Vorteile für das Wachstum von Krebszellen bieten. Mechanistische Studien zur TERT-Gen-Integration zeigten, wie die Insertion viraler DNA die Telomerase aktiviert, ein wichtiges krebsförderndes Enzym.

Mithilfe von Machine-Learning-Ansätzen entwickelte das Team einen „clonal disparity score", der Patientenergebnisse anhand von Integrationsmustern erfolgreich vorhersagte. Dieses Bewertungssystem könnte potenziell Behandlungsentscheidungen und die Risikostratifizierung bei HBV-positiven Leberkrebspatienten leiten und bietet damit einen neuen Präzisionsmedizin-Ansatz für diese anspruchsvolle Erkrankung.