腸道微生物叢基因體影響癌症病人對免疫治療的反應

icon-16

長庚大學教授 林口長庚醫院主治醫師 王子豪

每個人身上的微生物(microbes)重量約有1300到1400克,大約和人腦等重量。一個人身上的各種微生物總稱為人體微生物叢(human microbiota),而這些微生物的基因總稱為人體微生物叢基因體(human microbiome) 。每個人的人體微生物叢的總數目(1014)是一個成年人自己細胞數目(1013)的10倍;而人體微生物叢基因體的基因數(兩百萬~兩千萬)更是人類基因數目(約兩萬基因)的100~1000倍。從細胞數目來看,每個人只有10%的細胞是屬於人類細胞;從基因數目來看,則頂多只有1%的基因是屬於人類基因。所以,每個人(好比一棟大樓)都是人類細胞(房東)和人體微生物叢(房客)的一個生態系統。從這個角度來看,一個人的獨特性-意即人與人之間的差別,是由身上的微生物菌叢來決定,而非人類基因序列的差別。因為,兩人之間的人類基因序列只有<0.1%的差異,而人體微生物叢基因體卻有>90%的差異。

微生物可以分成四類:細菌(bacteria)、古細菌(archea)、病毒(viruses)、和真核微生物(microeukaryotes)。人體微生物叢對維持健康和疾病發生的重要性,最近越來越受到矚目,但因為混雜基因體學(metagenomics)還是一個新興的學門,現在研究人體微生物叢的對象,大都還只針對細菌而言。即便這樣,最近(2018)發表於Science的文獻更發現:人類腸道菌相甚至也影響癌症病人對免疫檢查點抑制劑(immune checkpoint inhibitors, 又稱checkpoint blockade)治療的反應。

在2015年分別有兩個團隊在Science期刊發表(延伸閱讀1和2):小鼠的腸道菌相會影響使用檢查點抑制劑的癌症免疫療效,使用抗生素破壞了腸道菌相會降低免疫治療效果;反之,使用糞便移植重建腸道菌相可改善癌症免疫療效。雖然確實的機制仍不清楚,但猜測腸道菌相能促進樹突細胞強化T細胞對免疫檢查點抑制劑的反應(下圖)。

腸道微生物叢基因體影響癌症病人對免疫治療的反應_1

在2018年,一個法國、美國、瑞典的跨國團隊(延伸閱讀3) 研究接受免疫檢查點抑制劑治療的140個肺癌、67個腎癌和42個膀胱癌病人,在這 249位病人中,有69位病人(28%)在免疫治療前兩個月內或治療後一個月內曾接受抗生素(ATB)治療,結果接受抗生素治療的病人,不管是無進展存活率(progression-free survival, PFS)或綜合存活率(overall survival, OS)都較低 (下圖)。從病人糞便的複雜基因體學研究發現:對anti-PD-1免疫治療反應較好的病人糞便中含有較多的  Akkermansia muciniphila細菌。

腸道微生物叢基因體影響癌症病人對免疫治療的反應_2

 

另一個美國德州MD Anderson Cancer Center的研究團隊(延伸閱讀4),分析112名接受anti-PD-1免疫治療的轉移性黑色素瘤病人的口腔和腸道的微生物叢基因體,結果發現:口腔菌相和治療無反應(NR, n=32)或有治療反應(R, n=54)無相關;但是,和治療無反應(NR, n=13) 的病人比較時,有治療反應(R, n=30) 的病人的腸道菌相多樣性高(下圖A)且含較多Ruminococcaceae菌(下圖B);而且腸道菌相多樣性高的病人明顯有較長的存活率(下圖C)。

腸道微生物叢基因體影響癌症病人對免疫治療的反應_3

 

 

有趣的是,Akkermansia muciniphila細菌曾經被發現和肥胖有負相關,而被媒體渲染成減肥明星細菌;而Ruminococcaceae菌也被報告和肥胖有負相關。

 

 

延伸閱讀:

  1. Sivan A et al. Commensal Bifidobacterium promotes antitumor immunity and facilitates anti-PD-L1 efficacy. Science (2015) 350: 1084-9.
  2. Vetizou M et al. Anticancer immunotherapy by CTLA-4 blockade relies on the gut microbiota. Science (2015) 350: 1079-84.
  3. Routy B et al. Gut microbiome influences efficacy of PD-1-based immunotherapy against epithelial tumors. Science (2018) 359: 91-97.
  4. Gopalakrishnan V et al. Gut microbiome modulates response to anti-PD-1 immunotherapy in melanoma patients. Science (2018) 359: 97-103.

癌症精準治療-偵測同源重組基因修復能力的新進展

icon-08

國立臺灣大學 生化科學研究所 冀宏源教授

在癌症傳統化療中,化療藥物除了殺死癌細胞外,也會造成不同程度正常細胞的傷害,進而引起令患者不適的副作用,如嘔吐及掉髮等症狀。因此如何提高用藥的精準度,增進治療的效果及患者的生活品質是非常重要的議題。近年來,鑑定出癌細胞在不同的基因組背景下,會對特定藥物有特異性的反應,可有助於療效及降低副作用。例如乳癌或卵巢癌的癌細胞若帶有BRCA1或是BRCA2基因的突變,則對PARP (Poly (ADP-Ribose) Polymerase)的抑制劑,如奧拉帕尼 (olaparib) 有很好的治療反應。

BRCA1和BRCA2基因在細胞內的重要生化功能,主要作為受損DNA的修復蛋白。細胞的基因組DNA無時無刻都會受到損傷,這些來源可能來自細胞內的自由基的攻擊,或者是遭受外在環境,如紫外線和致癌物質。其中,DNA的雙股斷裂最為嚴重,若無法有效的修復完全,會造成細胞基因組的不穩定性,進而引起細則胞的死亡。因此,細胞必須具有完善的DNA雙股斷裂修復系統,來確保基因組的完整,而同源重組 (Homologous Recombination) 即為其中最重要及精準的DNA修復系統之一。

源重組所進行的DNA雙股斷裂修復系統,為一連串修復蛋白質和DNA交互作用的修復反應。在整個過程中,RAD51修復酵素必需和受損DNA處的單股DNA做結合,接下來找尋同源的雙股DNA做為模版,進行DNA的互換並補回缺失的DNA。而在RAD51所進行的生化反應中,BRCA1和BRCA2蛋白為協助RAD51和DNA結合,並催化修復反應進行,所不可或缺的 (圖一)。而這些對同源重組修復機制上的基礎研究了解,促使了進一步的研發及應用到癌症個人化的精準化療。

 

圖一、BRCA1和BRCA2蛋白主要的生化功能為協助RAD51重組酵素能有效的進行催化反應,將受損雙股斷裂的DNA能正確無誤的修復完成,以維持細胞基因組的完整和穩定性。
圖一、BRCA1和BRCA2蛋白主要的生化功能為協助RAD51重組酵素能有效的進行催化反應,將受損雙股斷裂的DNA能正確無誤的修復完成,以維持細胞基因組的完整和穩定性。

 

我們可以想像細胞像一張三隻腳的桌子,這三隻腳就分別代表三大DNA修復系統,來修復各式各樣的DNA損傷,以維持細胞能不斷的分裂增生。若某些癌細胞的其中一套DNA修復系統如同源重組修復反應失調,則如同斷了一隻腳的桌子,必須完全依賴另外二隻腳的DNA修復系統來撐起癌細胞的存活,若此時給予藥物如奧拉帕尼特異的破壞另一隻腳,則此時剩下一隻腳的桌子無法站立而倒下,即癌細胞死亡,這個現象稱為合成致死性(synthetic lethality)。相反的,正常細胞只有一隻腳受損,另外二隻腳足以維持細胞生存 (圖二)。如此,利用癌細胞其同源重組修復系統的缺失,我們可以特異的殺死癌細胞而非正常細胞,以達到精準的治療效果並降低副作用的個人醫療。由於臨床實驗研究的成功,目前美國食品藥品管理局也針對乳癌及卵巢癌的病患,准予屬於同源重組修復反應失調的癌症病患,可以給予奧拉帕尼用以維持性的治療。

 

圖二、奧拉帕尼 (olaparib) 針對同源重組DNA修復能力缺失的癌細胞,例如BRCA1和BRCA2基因突變的癌細胞,具有很好的治療反應。
圖二、奧拉帕尼 (olaparib) 針對同源重組DNA修復能力缺失的癌細胞,例如BRCA1和BRCA2基因突變的癌細胞,具有很好的治療反應。

 

由上述可知,診斷癌細胞的同源重組修復能力的好壞,為精準用藥的重要判斷依據。至目前為止,已有許多不同偵測癌細胞同源重組修復能力的方法。在細胞層次上,科學家可藉由放射線照射癌細胞檢體,並搭配RAD51抗體免疫螢光染色法,來確認是否可偵測到DNA雙股斷裂損傷所誘導的RAD51蛋白在損傷處聚集;而RAD51蛋白的聚集需要BRCA2的協助;因此,缺乏RAD51聚集可代表BRCA2的功能喪失,也就是細胞缺乏同源重組修復能力。而近幾年因DNA定序技術的突破及快速發展,科學家可直接定序細胞BRCA1、BRCA2、及已知參與同源重組相關基因是否有缺失及突變,來做為同源重組修復能力是否完好的判斷。

 

除了直接定序同源重組相關基因,或者是鑑定這些基因轉錄的啟動子 (promoter) 是否有甲基化而抑制基因的表達量外,最近科學家利用大量的定序癌細胞整個基因組並結合數學演算的程式,發現在“BRCAness”即同源重組修復能力缺失的細胞,常會在這些基因組有特定的DNA突變模式,例如:有重覆性小片斷DNA序列的排列等。利用癌細胞基因組因同源重組失調而具有如此特異的突變模式做為標誌,科學家新建立了一套演算法稱為“HRDetect”,並證明了將基因組定序的結果,藉由HRDetect的演算評估,可以有效的診斷出此癌細胞的同源重組能力的好壞。在最近發表的論文中,以HRDetect來分析560個臨床乳癌病人的癌細胞,發現有近20%的乳癌細胞缺乏同源重組修復能力;而且更值得注意的是,其中47個案例雖然其 BRCA1 和 BRCA2的基因定序是正常的,但仍是同源重組反應缺失的細胞。這項新的研究發現令我們思考二件事:第一、同源重組修復能力缺失的癌細胞比之前想像來得多,而這些病患可適用於奧拉帕尼來達到個人客制化的精準醫療;第二、HRDetect的演算偵測方式能與現在直接定序同源重組相關基因的方法互補,而這些診斷癌細胞同源重組能力方法的突破,使醫師能更精確偵測出同源重組缺失的癌細胞,而給予精準的治療。

 

延伸閱讀:

  1. Davies, H. et al. HRDetect is a predictor of BRCA1 and BRCA2 deficiency based on mutational signatures. Nature Medicine (2017) 23:517-525.
  2. Leslie, M. Analysis suggests wider use for PARP inhibitors. Cancer Discovery (2017) 7:OF7.
  3. Zhao, W. et al. BRCA1-BARD1 promotes RAD51-mediated homologous DNA pairing. Nature (2017) 550:360-365.
  4. Zhao, W. et al. Promotion of BRCA2-Dependent Homologous Recombination by DSS1 via RPA Targeting and DNA Mimicry. Molecular Cell (2015) 59:176-87.
  5. Chao, A. et al. Prevalence and clinical significance of BRCA1/2 germline and somatic mutations in Taiwanese patients with ovarian cancer. Oncotarget (2016) 7:85529-85541.
  6. Su, G.C. et al. Role of the RAD51-SWI5-SFR1 Ensemble in homologous recombination. Nucleic Acids Research (2016) 44:6242-51.
  7. Prakash, R. et al. Homologous recombination and human health: the roles of BRCA1, BRCA2, and associated proteins. Cold Spring Harb Perspect Biol. (2015) 7:a016600.

推薦哈佛大學應用電腦科學研究所(IACS) 2018-1-16的 數位醫師(The Digital Doctor)研討會錄影

 長庚大學 教授 林口長庚醫院 主治醫師 王子豪

 

2018年1月16日到1月19日是哈佛大學應用電腦科學研究所(Institute for Applied Computational Science, IACS) 舉辦的2018電腦節 (ComputeFest 2018)。首日的重頭戲就是一整天的研討會,主題是:數位醫師:人工智慧和大數據時代的醫療 (The Digital Doctor: Health Care in an Age of AI and Big Data)。1/17到1/19是開放給哈佛相關人員的 Skill Building Workshop,1/18到1/19另有只開放給哈佛學生的Student Data Challenge。

 

推薦哈佛討論會錄影_1

 

演講人除了Emery Brown是麻醉科和電腦科學的雙料教授外,其他人的主要專長在於電腦科學和數據科學,但他們都透過和醫療人員的合作,從跨領域的交流中,獲知人工智慧和大數據對醫療可能產生的沖擊。因為IACS的這場硏究會賦有促進學術交流的教育目的,1/16當天的演講錄影開放在YouTube供全球人士免費聆聽。我個人覺得:聆聽國際研討會的錄影,從演講中所獲得的心得要比出國親自到場參加的更多,因為不但沒有時差打瞌睡的問題,聽不懂的還可以一再反覆聆聽,重要的投影片也可以暫停來詳加閱讀。

 

推薦哈佛討論會錄影_2

 

首位演講者(Finale Doshi-Velez, PhD)演講的主題是 “醫療照護的加強學習:挑戰和機會” (https://www.youtube.com/watch?v=OsGxPVYR2xo&feature=youtu.be)。她把機器學習應用於愛滋病人的藥物治療最優化,從測試組獲得的演算法應用在其他獨立族群上,果然效果良好。這樣的經驗顯示:深諳機器學習或人工智慧的人員,可參考演講者的執行經驗,找醫師合作,針對特定醫療問題來提出解決。值得一提的是,演講者將上述開發的演算化應用於較複雜的臨床問題,例如加護病房發生的敗血症時,她的研究結果卻顯示:有人工智慧參與決策的病人預後,並未獲得改善。人工智慧雖然有 “總結許多病人的病史,從中來預測可能的長期預後”的強處,但她的結論是:在當今醫療體系中,只能把AI當作醫療團隊的一個成員,利用此專長來協助醫師下醫療決策。

 

 

醫療照護的加強學習:挑戰和機會

第二位演講者(Mathew Might, PhD.)曾經是歐巴馬總統的精準醫學決策顧問,現任阿拉巴馬大學(University of Alabama at Birmingham)個人化醫學所所長,在其演講 “精準醫學的演算法 (The Algorithm for Precision Medicine)  (https://www.youtube.com/watch?v=0rXcQweD23M&feature=youtu.be) 中,他以他兒子的罕見疾病(NGLY1基因發生錯義突變)的實例,來闡述精準醫學時代,罕見疾病病人和家屬的可能境遇。從這個演講,我們同時也可以看到網路媒介的龐大潛力,通過它可找到散佈在世界各地的潛在同類患者;更有啟發意義的是:即使是罕見疾病,一旦機制弄到很清楚,還是會有藥廠願意為這樣的「小眾疾病」開發治療藥物。

精準醫學的演算法

第三位演講者(John S. Brwonstein, PhD.) 是哈佛醫學院的創新長(Chief Innovation Officer),在其演講 用人工智慧來優化患者旅程” (Optimizing the patient journey with AI) (https://www.youtube.com/watch?v=DJwTudmdxcs&feature=youtu.be) 中,強調病人的數位表現型(Digital phenotype)的觀念。數位表現型不只是病患的電子病歷,也必須納入個人穿戴式器具收集的活動數據、生活型態、實時間的生理變化,更包括從網路社交媒介經由文字探勘所萃取出的訊息。HealthMap是2006年波士頓兒童醫院開發出來的資訊網頁,利用人工智慧來處理上述的大數據,有助於即時監控疾病的爆發和公共衛生威脅,甚至比各國政府的衛生機關更能夠提供即時的訊息。

用人工智慧來優化患者旅程

第四位演講者(Marzyeh Ghassemi, PhD.) 在其演講 表現體學是新的基因體學(Phenomics is the New Genomics) (https://www.youtube.com/watch?v=XKE8UY4_lWw&feature=youtu.be) 中,強調了從醫療體系中要萃取出知識的困難,因為醫療數據非常異質性、資料也常常不完全、記錄也不一定完整,所以要判讀這些資料,專業知識 (domain knowledge)非常重要,數據科學家最好有醫師合作。她舉出的一個例子:一個研究應用機器學習發現,氣喘病人比較不會死於肺炎。結果真正的原因是,醫師知道氣喘病人比較有肺炎的高風險,所以會積極的以抗生素治療氣喘病人;根本不是氣喘能夠減少肺炎的發生。她的研究用了ICU資料 MIMIC III ICU data,這是哈佛附設醫院 Beth Israel Deaconess Medical Center研究人員利用某時期加護病房病人的真正數據,模擬出來的一組資料,可供全球數據科學家用來開發和測試演算法。她也強調收集數位表現型(digital phenotyping) 的重要性,尤其是要利用各種穿戴式器具、合併應用程式(mobile App),來收集到個人的行為數據。

表現體學是新的基因體學

美國五大科技公司(Apple, Amazon, Facebook, Google, Microsoft)都努力提供全球網友各種免費網路App,收集各式各樣的個人健康醫療數據,再利用其強大的電腦運算能力,盛大進軍於健康醫療事業。從第五位演講者(Jennifer Chayes, PhD.)的演講 機器學習在癌症免疫治療的挑戰和機會” (Challenges and Opportunities for Machine Learning in Cancer Immunotherapy) (https://www.youtube.com/watch?v=rWPS7pmrq88&feature=youtu.be) 中,我們感覺Microsoft採取的策略似乎比較傳統:Microsoft 和Adaptive Biotechnologies合作,用基因體學和蛋白質體學來分析人類靜脈血的T細胞,以機器學習來處理獲得的龐大數據,希望能夠回答兩個癌症免疫治療的重要問題:預測癌細胞新生抗原(neoantigens)的免疫原性,和預測癌病人對檢查點抑制劑(check point inhibitors)的免疫療效。

機器學習在癌症免疫治療的挑戰和機會

第六位演講者(Emery Brown, MD., PhD.) 是哈佛醫學院的麻醉學教授和MIT的電腦神經科學教授。在其演講 解碼麻醉中的人腦動力學” (Deciphering the Dynamics of the Anesthetized Brain: A Case Study in Statistical and Mathematical Modeling) (https://www.youtube.com/watch?v=8Cm3KYBvpwo&feature=youtu.be) 中,他展示了應用資訊科學的演算法來解析腦波所呈現的人腦神經科學,而麻醉可以降低其他器官動作衍生的腦波雜訊。這個演講所用的實例,涉及許多麻醉學和麻醉藥物的專業知識,如非麻醉科醫師可能較不易了解;但是即使是非麻醉專業人員,也可以體認:資訊科學在神經科學是一個非常重要的工具。

解碼麻醉中的人腦動力學

第七個時段是綜合討論 (Panel Discussion: Opportunities and Challenges) (https://www.youtube.com/watch?v=spiLqAlAJuQ&feature=youtu.be)。許多人參加研討會,聽完知名學者的主題演講就走人了;但在這天的研討會,如果錯過這個綜合討論就太可惜了,因為這個時段討論到許多深具啟發性的議題。

  • 如何取得有用的醫療資料?因為要保護病患隱私,現在醫療資訊大多只優化於醫療給付系統(billing system,例如美國的保險給付或台灣的健保給付),其他的醫療資訊串聯,都非常的困難。然而為了醫學研究、改善治療預後、或促進人口健康(population health) ,至少都需要將多樣的醫療資訊串聯,並讓不同醫療機構能有效地分享資訊(data sharing),才能獲得有用的洞見。若進一步要協助開發更好的藥物或診斷工具,這些資料更要分享到藥廠與生技產業界。執行面上,要鼓勵醫療資料分享,除了必須解決病患隱私的保護以外,最實際的是要提出利益誘因(incentives),不同醫療機構才會考慮加入。台灣的醫療生態,因為全民健保是超大的給付者,以其為中心來推動醫療資料的整合,應該是很可行的。
  • 未來醫師如何準備來面對資訊時代?與會學者也討論到如何提供機器學習課程給未來的醫師(現在的醫學生),讓他們有能力來駕馭一定會面對到的龐大資訊,並應用於其醫療專業。講者和與會學者都提出一些方案,例如:提供電腦科學、數據科學、統計學的碩士學程給醫學生。但是也許這些教育家是多慮了,因為下述這個實例顯示:世界一流的醫學生早已體認自己的這種需求。哈佛醫學系給第三年醫學生開了一門選修課Computation in Medicine,嚴格要求選課者必須先具備R語言程式設計和統計學能力才可選修,開課老師原預期能來修課的人寥寥無幾,結果開放選修一星期就已經額滿。
  • 如何協助醫師掌握各式各樣的醫療資訊? 一位與會者提到一篇2003年研究顯示:在美國的醫學中心的醫師,平均一年只讀1.2到1.5篇研究論文,而醫學中心以外的醫師幾乎完全不讀研究論文,所以他很擔心如何讓現代的醫師掌握各種有用的跨領域資訊。一位演講者答覆:逃避困難是天性,每個人都喜歡過輕鬆的日子,所以提供教育者應該要把資訊整理得令人可親近,容易了解。對此,我也深有同感,事實上這也是台灣精準醫學學會(Taiwan Precision Medicine Society, TPMS) 成立的目標之一。所以,我們在學會的網頁(www.tpms.org.tw)上,整理好各種精準醫學相關的資訊。例如,將各種執行精準醫學的短片整理在「精準醫學科技」專欄,在「新知分享」的專欄中摘要精準醫學相關的最新論文,在「推薦影片」專欄列出國際上精準醫學的演講,而在「會員專區」裡可以聆聽本學會辦過的研討會的每一場演講。
  • 什麼是非傳統性的健康醫療數據?多位演講者提到數位表現型(digital phenotypes),而每一個人的數位表現型,除了各自的電子醫療紀錄外,還包括從個人穿戴器具所收集到的各種生理數據、睡眠與運動的時間和品質,現在更包括從社交媒體和網路搜尋 (Facebook, Twitter, Google Search, Line)所透露出來的資訊。就像一位演講者舉例的HealthMaps,就能根據網友的網路搜尋和地方報導,來了解全球各地的公共衛生或疾病爆發,並能用於預測未來的人口健康。除此之外,在下列的情況,收集這些資料更有益於使用者的促進健康。
  • 如何激勵個人應用自己的數據來促進健康?一位講者提到:年長者如果能經常獲得血壓和血糖資料,最能有效預防慢性疾病。一位與會者提到,我們都擁有一些保健知識,但要如何實踐這些知識來促進健康卻非常不容易;演講者回覆:利用上述的非傳統性健康醫療數據,設計一些簡單實用的App,將有助於激勵使用者利用自己的數據來促進健康。例如,讓一個人知道自己的運動量,在一萬名相同年紀和性別的族群裡,是排名最後10%,對某些人應該會產生同儕壓力,而激發他開始運動。事實上,這些數據的收集真的已用在健康促進網了:我女兒買了一個人壽保險,保險公司就送給她一個Applewatch,並開始收集她的數據,當她的運動量越高就能夠獲得越多點數,當累積點數到一個程度,每個月的保費就能降低。這的確能非常有效地激勵個人促進健康,當然保險公司也能夠收集非常值錢的大眾健康資料。

綜合討論

監控健康的新方法:利用穿戴式裝置量測心率變異性

icon-08

虹映科技董事長 陳風河博士

公眾越來越能接受穿戴式健身追踪裝置的進步,在未來幾年,數以億萬計的穿戴式健身追踪裝置將被納入健康計劃,特別有用於一些最需要健康行為干預的群體。穿戴式裝置能幫助消費者:了解自己的健康狀況,提示還需要做什麼,並保持動力的持續下去。美國心臟協會(American Heart Association, AHA)在2015年8月發表的一份聲明中表示:"在醫療信息技術的眾多創新中,穿戴式裝置使得個人能夠監測自己的慢性病和管理治療方案,並在健康促進上發揮更積極的作用。"   一個人的健康狀態,現在透過穿戴式裝置就很可測量和及時追踪各種信息。在舒適的家中,我們可以檢查體重、血壓、步數、卡路里、心率和血糖。一個有趣的標記可用來提高韌性和行為靈活性,就是心率變異性(Heart Rate Variability, HRV)。你曾想過一個充滿壓力的一天對健康的影響到底是什麼?你可以勝任明天一大早的長跑嗎?今天可以做什麼事情來提高明天更棒的前進能力嗎? HRV可能是幫助您回答這些問題的關鍵數據。

HRV是什麼?

HRV只是衡量每次心跳之間時間變異的一個指標,這種變異是由自律神經系統(Autonomic Nervous System, ANS)控制的。ANS調節我們的心率、血壓、呼吸和消化,它被分為兩大部分:交感神經和副交感神經系統,也分別被稱為「戰鬥或逃跑機制」和「放鬆與養生機制」。

大腦不斷在下丘腦的區域處理信息,下丘腦通過ANS發送刺激或放鬆的信號給身體各部分,這個系統能反應一個差勁睡眠、與你與老闆的不愉快互動、或有你得知好消息的興奮感,甚至是你午餐所享受的美味健康佳餚。我們的身體處理各式各樣的刺激,而讓生活繼續下去。但是,如果我們有持續的壓力、失眠、飲食不健康、人際關係紊亂、孤立或孤獨、缺乏運動等的情況發生,健康的平衡就被破壞,你的「戰或逃反應」可能轉成超速狀態。

為什麼要量HRV?

HRV是識別這些ANS不平衡的非侵入式方法。如果一個人的系統經常處於戰或逃模式,則心跳之間的變異就會小。如果一個人處於放鬆的狀態,心跳之間的變異就會很大。換句話說,ANS越健康,就有更強的彈性和靈活性,HRV呈現值就越高。在過去的幾十年裡,研究已證實低HRV和抑鬱或焦慮之間有直接的關係。低HRV甚至與死亡和心血管疾病的風險增加有關。

高HRV的人能有更高的心血管健康水平,也更能適應壓力。 HRV還可以提供個人生活方式的反饋,所以監測HRV有助於激勵那些正在努力邁向更健康生活的人。當一個人將更多的正念、冥想、睡眠,特別是運動融入到生活時,看看HRV如何變化,是非常有趣的。對於喜歡參考數據的人來說,這可以是一個很好的方式來監控神經系統如何對環境、情緒、想法和感覺而做出反應。

如何量測HRV?

電子技術的持續進步,使得構建能捕捉和處理人體生物信號的穿戴式產品成為可行。而在心率監測方面,設備製造商主要使用兩種技術: ECG(electrocardiography-心電圖)和PPG (photoplethysmography-光電容積脈搏波傳感器)。ECG傳感器測量控制心臟搏動的生物電位。反之,PPG傳感器使用光學技術來檢測由心臟泵送的血流速度,心臟跳動時,人體全身血管會產生微小波動,儀器射出一束光(如圖一)到人的手腕上,再用攝影機觀察反射的陰影。如果其中有微小變化,就認為心臟跳動一次。

監控健康的新方法_1

圖一: PPG傳感器

要取得HRV這項數據,有很多種方法,主要分兩種:「時域分析」和「頻域分析」。穿戴式裝置都是用時域分析,它是用「間距的標準差」來計算,也就是各個「間隔」距離平均值的偏差程度。一般來說,「間隔」的取法是心電圖中R波最高峰之間的距離(R-R Intervals; RRI),見圖二

監控健康的新方法_2

圖二: 心電圖中R波最高峰之間的距離RRI

當R波精準量測出來後,就能得到RRI。例如某次測量時每個間距的變化的間距大小從0.6秒到1秒,平均是0.8秒。接著把這些間距的標準差計算出來即是HRV。標準差用來顯示數據的離散程度,標準差愈大表示各數據互相差異愈大。 最傳統的標準HRV分析是透過心電圖數據,就像我們在醫療院所裡把電極連接到胸部的測試。ECG可提取R峰間隔到毫秒精度,所以可在短時間測量就獲得有意義的HRV數據。使用PPG傳感器,由於LED的高功耗,RRI精度會受到可用採樣率的限制。這種量測方式只能用來推估,並非實際掌握RRI。雖然不夠精確,但還是可以得到一組間距數據來計算標準差。但值得提醒:使用PPG穿戴式裝置,脈搏頻率變化與HRV相關的時間較長(> 5分鐘),並不適用於短時間測量HRV。

從胸帶式ECG心跳帶所量到的RRI雖然比不上醫療設備量測的心電圖來得準確,但已經比手腕式或手指型的PPG裝置更為精確。在醫院裡,最少要用三個電極才能把其他P波、T波、U波都標示出來,畫出心電圖。使用胸帶式ECG心跳帶的限制是,當心臟跳動一下時,你會不確定取在「剛跳動」還是「已快跳完」,無法像心電圖的數據明確地抓到每一次跳動的R波的波峰所在位置。當然,我們無法每天都去醫院在胸口貼上電極測HRV,所以使用胸帶式心跳帶(如Polar; Wahoo; CardioSports),並下載App(如JoiiSports; Elite HRV; SweetBeats)來分析HRV數據,雖然略微不準,已是最簡單便宜的方法。圖三顯示利用CardioSports的胸帶式心跳帶透過 JoiiSports HRV功能模組所量測到的心率變異指標。

 

監控健康的新方法_3

圖三: JoiiSports的心率變異指標功能模組。

小結

每天早上醒來後檢查一次HRV,每週檢查幾次,尤其在採取健康促進活動時,追踪HRV有沒有變化。持續追踪HRV將會是激勵生活型態改變的重要工具。 HRV測量可以幫助個人了解生活和思維方式,以及行為如何影響自己的神經系統和功能。雖然追踪HRV無法幫助你避免壓力,但它可以幫助你了解如何以更健康的方式來應對壓力。利用大腦最原始的視覺洞察力,我們可將HRV視為一種健康促進工具。

 

參考資料

  1. https://www.health.harvard.edu/blog/heart-rate-variability-new-way-track-well-2017112212789
  2. http://neurosky.com/category/heart-rate-variability-hrv/page/2/
  3. 『跑者都該懂的跑步關鍵數據:透過跑錶解析自己的跑力,突破瓶頸,進行有效率的科學化訓練』作者:徐國峰莊茗傑臉譜出版, 出版日期:2016/06/02
  4. https://mhealthintelligence.com/news/wearables-can-help-people-with-heart-conditions-if-only-theyd-wear-them

以質譜儀科技開發愛滋海默症的血清篩查

icon-12

長庚大學 教授 林口長庚醫院 主治醫師 王子豪

據估計,65歲以上約有11%人口會罹患愛滋海默症(Alzheimer’s disease),而愛滋海默症病人更高達85歲以上人口的四分之一。各個社會隨著人口老化,照護愛滋海默症病人是普世之憂。一般認為愛滋海默症在早期、症狀較輕的時候,治療的效果可能較好,所以有效找出早期愛滋海默症的篩查方法實在需求孔急。現有愛滋海默症的早期病理標誌有:乙型澱粉樣蛋白正子排放斷層攝影(amyloid-β PET) ,或測量腦脊髓液的乙型澱粉樣蛋白。發表於2018年2月自然(Nature)的論文報告:一種免疫沉澱前處理血漿檢體,再用質譜儀分析多種乙型澱粉樣蛋白特定片段的方法,似乎能敏銳的篩檢出早期的愛滋海默症病人。

 日本研究人員在0.25 毫升的血漿加入等量的10 pM 穩定同位素標定(stable-isotope-labelled, SIL) 的Aβ1-38胜肽當做內置標準品,先以抗體免疫沉澱下所有Aβ相關胜肽,再以質譜儀定量乙型澱粉樣蛋白的各項特定片段,最後計算出[乙型澱粉樣蛋白前驅物(APP)669-711和 Aβ1-42胜肽的比值]與[Aβ1-40胜肽和Aβ1-42胜肽的比值],而以乙型澱粉樣蛋白正子排放斷層攝影 (amyloid-β PET)當診斷的黃金標準,來檢試血漿生物標誌的偵測效力。在ROC (receiver operating characteristics)分析中,合併使用這兩個比值在121位日本病患的開發數據組(discovery data set)可獲得96.7% AUC(area under the curve)的優異效力(下圖A);在111位使用11C-labelled Pittsburgh compound-B (PIB)的amyloid-β PET當診斷黃金標準的澳洲病人驗証數據組(validation data set)也有94.1% AUC(下圖B);在全部252位澳洲病人的驗証數據組仍有88.3% AUC(下圖C)。這樣優異的成績讓醫師和硏究人員都十分興奮,大家期待使用這個血漿生物標誌,能篩查出早期愛滋海默症病人,以測試各種可能治療藥物或治療方法。

艾滋海默症_1

延伸閱讀:

Nakamura A, et al. High performance plasma amyloid-β biomarkers for Alzheimer’s disease. Nature (2018) Feb 2, Advance in publication (doi: 10.1038/nature25456).

終生影響生理和疾病的基因體甲基化

icon-16

長庚大學 教授 林口長庚醫院 主治醫師 王子豪

基因表現的調控,除了受到基因DNA序列來編碼外,在DNA序列沒有改變的情況下,也可以根據DNA上是否受到甲基化而影響功能,這就是表觀基因體學(epigenomics)的硏究範疇。DNA甲基化如果發生在基因的啟動子(promoter),該基因的表現會受到抑制。細胞的正常發育、功能、和各種疾病,都受到DNA甲基化的調控,例如,基因體印記(imprinting)、單條X染色體去活化、老化、和癌症。最近發表的一些研究,更深刻闡述基因體甲基化對發育、疾病發生的重大影響,並能利用於確定診斷某些疾病。

 

一、著床前胚胎的基因體重新編程的甲基化細節

著床前胚胎發育會經歷基因體重新編程(genome-wide reprogramming),而詳細情形最近被北京大學研究人員利用單細胞DNA甲基體定序(single-cell DNA methylome sequencing),從分析50個人類卵子、23個精細胞、62個著床前胚胎的結果,來精確闡述。為早期胚胎發育的基因體表現的調控,提供了一個藍圖(延伸閱讀一)。

 

著床前胚胎發育的基因體重新編程特徵是:全面基因體去甲基化(demethylation)與局部基因體再甲基化(remethylation),兩者之間的動態平衡。受精後,在精核和卵核尚未融合前,有一段各自維持精前核(male pronucleus,♂PN)和卵前核(female pronucleus, ♀PN)的時期。著床前胚胎的全面基因體去甲基化可以看到三波特徵:第一波發生在受精到早期前核(early PN)的10到12個鐘頭,精前核的基因體甲基化從82%下降到53% ,而卵前核的基因體甲基化從55%下降到51%;第二波發生在後合子(late zygote)到雙細胞胚胎之間,基因體甲基化更下降到40%左右;第三波發生在八細胞胚胎到桑椹期(morula stage),基因體甲基化再下降到35%左右(下圖)。反之,局部基因體再甲基化出現兩波:第一波發生精前核的前合子(Early♂PN)到中合子(Mid♂PN)之間;第二波發生在四細胞胚胎到八細胞胚胎之間(下圖)。在受精卵中,父源基因體的新生(de novo)甲基化和非對稱的甲基化非常明顯,這種現象可能對早期發育有特別的功能,則有待更進一步釐清。

終生影響生理和疾病的基因體甲基化_1

二、胎兒基因體甲基化會影響成年疾病

孕婦的營養不良也會透過影響胎兒基因體甲基化,而增加胎兒成年後肥胖與代謝症候群的發生。荷蘭飢餓冬天家族研究(Dutch Hunger Winter Families Study)長期追蹤大約2400名在1945年2月到1946年3月間懷孕的胎兒。348名懷孕處在飢餓期中的胎兒,和他們沒有經過懷孕期饑荒的兄弟姐妹(對照組,n=463)比較起來,58年後有顯著的肥胖(body mass index, BMI較高)和血中三甘油酯(triglyceride, TG)濃度增高 (下表)。

 

終生影響生理和疾病的基因體甲基化_2

荷蘭Leiden大學研究人員分析了上述檢體中的342,596 CpGs,發現CPT1A、ABCG1基因的甲基化和肥胖與三甘油酯升高都有相關(下圖),其中CPT1A基因的甲基化已被報告過與代謝症候群相關(Das M et al. PLoS One, 2016),而ABCG1基因則掌管脂肪代謝。本研究發現和肥胖相關的甲基化基因,PIM3和能量代謝有關。

終生影響生理和疾病的基因體甲基化_3

 

以前的文獻顯示,早期妊娠的營養狀態最影響胎兒日後的表現型,因此這個研究更聚焦在硏究早期妊娠處於飢餓時期的基因體甲基化(下圖)。TXNIP基因調控胰臟的β細胞功能;PFKFB3基因作用於糖解作用;而METTL8基因參與脂肪形成作用。這個研究證實了:生命早期的不良環境會經由表觀基因體學,而影響日後的健康 (延伸閱讀二)。

 

終生影響生理和疾病的基因體甲基化_4

 

三、癌細胞的基因體甲基化影響病人的預後

少年型骨髓單核細胞性白血病(juvenile myelomonocytic leukemia, JMML) 是一個預後較差的白血病,即使接受了造血幹細胞移植(hematopoietic stem cell transplantation, HSCT)之後,五年內還是有一半以上的病人復發。JMML幾乎都有RAS signaling pathway的異常。德國癌症中心的研究人員在167個JMML檢體,使用全基因體甲基化分析,合併於基因突變、基因體拷貝數變化、和基因表現的分析,這些新的研究成果顯示:RAS signaling pathway造成不同程度的基因突變,再經由基因體甲基化的嚴重度,來影響到病人的預後(延伸閱讀三)。病人癌細胞有高度基因體甲基化的綜和存活率(overall survival)最差(下圖A) ,而五年的累積復發率(cumulative incidence of relapse, CIR)則最高,大於50% (下圖B)。

 

終生影響生理和疾病的基因體甲基化_5

四、不同神經發育症候群(neurodevelopmental syndromes)的甲基化標誌或表觀標誌 (methylation signature or epi-signature)

利用甲基化晶片分析了285位病人的血液,涵蓋14種遺傳性神經發育症候群,加拿大的研究人員發現基因體甲基化可用以辨識九種神經發育症候群,能當作這些疾病的甲基化標誌(延伸閱讀四)。 這個研究最大的困難處,在於找到合適的健康對照組,因為性別和年紀都已知會影響基因體DNA甲基化。在九種神經發育症候群中,雖然有些表觀標誌會互相重疊,但重疊的發生很少(下圖),顯示這些表觀標誌是獨特於各個疾病。這些表觀標誌有助於確認神經發育症候群的應用潛力,尤其當致病基因出現的突變點是屬於未知意義的變異(variants of unknown significance, VUS)時。

 

終生影響生理和疾病的基因體甲基化_6

 

 

 

延伸閱讀:

  1. Zhu P, et al. Single-cell DNA methylome sequencing of human preimplantation embryos. Nature Genetics (2018) 50: 12-19.
  2. Tobi EW, et al. DNA methylation as a mediator of the association between prenatal adversity and risk factors for metabolic disease in adulthood. Science Advances (2018) 4: eaao4363.
  3. Lipka DB, et al. RAS-pathway mutation patterns define epigenetic subclass in juvenile myelomonocytic meukemia. Nature Communications (2017) 8: 2126.
  4. Aref-Eshghi E, et al. Genomic DNA methylation signatures enable concurrent diagnosis and clinical genetic variant classification in neurodevelopmental syndromes. American Journal of Human Genetics (2018) 102: 156-174.

外顯子定序確認CYP26B1及其他低頻率基因變異與食道麟狀上皮癌的發生有相關

icon-08

中國醫藥大學 放射腫瘤科 陳尚文醫師

 

食道癌分成麟狀上皮癌及腺癌,麟狀上皮癌的發生與抽菸及酒癮有密切關係,且大多發生於東方人。估計全世界之食道麟狀上皮癌新個案每年約有500,000人次,其中一半為華人,除了後天環境因子(抽菸及酒癮)外,目前已發表之全基因組關聯研究(Genome-wide association study,GWAS)的分析報告中,多數已發現之致癌相關變異基因的次要對偶基因頻率(minor allele frequency,MAF)都大於10%,推算對於預測食道癌發生之勝算比 (odds ratio,OR)約只有1.1至1.5,而且這些變異基因常發現受到抽菸及喝酒的影響,因此過去以全基因體組關聯研究(GWAS)的結果無法完全應用在預測食道麟狀上皮癌的發生。 隨著次世代基因定序 (next-generation sequencing,NGS) 科技的快速發展,遺傳流行病學家開始探討次要對偶基因頻率(MAF)小於1%的罕見變異 (rare variants),或小於5%的低頻率變異(low-frequency variants)對於疾病的影響,當然也可以應用在癌病發生率的預測。

最近中國的一研究團隊使用外顯子定序(exome sequences),針對3714位食道麟狀上皮癌病患及3880名作為控制組的正常成人之研究結果有重大突破(延伸閱讀之參考文獻1)。此團隊首次確認6個嶄新的低頻率變異點與食道癌麟狀上皮癌的發生有密切相關,這些低頻率基因變異點的發生位置分別在於CCHCR1,TCN2,TNXB,LTA,CYP26B1,及FASN(圖1及表1) 。其中位於TCN2,CYP26B1,及FASN 的3個基因變異點所導致食道癌發生之勝算比(OR)超過1.5倍(表1)。值得特別注意的是,研究團隊認為位於CYP26B1的變異點: rs138478634對食道癌癌的發生有最大的影響,勝算比(OR)為1.82。雖rs138478634變異與食道癌病人之後天環境因子(抽菸及喝酒)有關,但如果局限於分析有抽菸及喝酒習慣之生活型態的人,有無rs138478634變異所引發的食道癌發生率之勝算比約為 2.6至2.7。另一方發面,如果只分析已發生rs138478634變異的個體,抽菸及喝酒也會增加食道麟狀上皮癌的發生率(勝算比分別為2.3及3.1)。換言之,rs138478634基因變異所導致之食道癌麟狀上皮癌發生是獨立於後天生活型態的影響(圖2)。

研究團隊進一步使用細胞株找尋rs138478634變異所相關的生物基轉,也搜集病患及正常人之血清檢體進行比對確認結果。他們發現全反式維甲酸(all-trans retinoic acid,atRA)的含量無論在rs138478634-GA的變異細胞株或食道癌病患血清中,都比起無此變異的細胞株或正常個體低(圖3),而且變異基因CYP26B1[A]的過度表現也會增加食道癌麟狀上皮癌細胞株的成長(圖4)。atRA 被認為是一種可以防止腫瘤發生的營養成份,而CYP26B1的變異細胞株或正常個體會增加細胞對atRA的分解代謝,因而導致atRA含量減少,未來仍須透過更多的研究確認 rs138478634-GA 之低頻率基因變異點在食道麟狀上皮腫瘤之癌化過程所扮演的角色。

 

圖1. 食道癌麟狀上皮癌發生相關之基因變異點之 Manhattan 散佈圖。

此研究針對3714食道癌病患及3880名正常成人的研究,發現6個嶄新的與食道癌麟狀上皮癌發生相關之低頻率變異點(星狀之處   ),其預測發生麟狀上皮癌的P值<1.0 x 10-4。此結果是經邏輯迴歸分析(logistic regression analysis) 調整性別、年齡、抽菸、及喝酒對食道癌發生率的影響。

GWAS_1

 

表1. 六個與食道癌麟狀上皮癌發生相關之低頻率變異點的發生位置、其導致之核酸變化、病患及正常人之次要對偶基因變異頻率(minor allele frequency, MAF)、及預測發生麟狀上皮癌之勝算比 (odds ratio, OR) 。

GWAS_2

圖2. 食道癌麟狀上皮癌化相關之CYP26B1變異點 rs138478634 與後天生活型態 (抽菸及喝酒)的交互作用,rs138478634基因變異所導致之食道癌麟狀上皮癌發生是獨立於抽菸及喝酒的影響。橫軸代表有與無後天環境因子的食道癌發生率之勝算比 (odds ratio, OR)。rs138478634 GG+AA為CYP26B1的低頻率變異型。

 GWAS_3

 

 

圖3. All-trans retinoic acid(atRA)的含量在有變異CYP26B1[A]較無此變異CYP26B1[G]的細胞株低(3a),有變異(GA) 個體血清的atRA的含量比無此變異(GG)的個體血清低(3b)。綜軸代表液相色譜法-質譜聯用儀 (ultra-performance liquid chromatography–tandem mass spectrometry) 所測量之atRA濃度。

GWAS_4_1 GWAS_4_2

圖4. 變異CYP26B1[A] 的過度表現會增加食道癌麟狀上皮癌細胞株的成長。

                                   GWAS_5_1GWAS_5_2

                                                            KYSE30 細胞株                                               KYSE150 細胞株

 

延伸閱讀

1.Jiang, C, et al. Exome-wide analyses identify low-frequency variant in CYP26B1 and additional coding variants associated with esophageal squamous cell carcinoma. Nat Genet. 2018 Jan 29. doi: 10.1038/s41588-018-0045-8. [Epub ahead of print].

連結 https://doi.org/10.1038/s41588-018-0045-8doi.org/10.1038/s41588-018-0045-8.

2. Wu, C. et al. Joint analysis of three genome-wide association studies of esophageal squamous cell carcinoma in Chinese populations. Nat. Genet. 2014; 46, 1001–1006.

3. Chang, J. et al. Risk prediction of esophageal squamous-cell carcinoma with common genetic variants and lifestyle factors in Chinese population. Carcinogenesis 2013;34, 1782–1786.