EPEkaterina Igorevna Petrova

Ekaterina Igorevna Petrova

*This is an algorithmically generated author record based on publicly available information.

Current Organizations / Institutes

The organizations/institutes from the scholar's latest article

Previous Organizations / Institutes

The organizations / institutes from the scholar's other articles in the past ten years


Ekaterina Igorevna Petrova has a total of 17 co-authors. Here are the top co-authors by number of shared publications:


Latest Publications

  • Open Access

    Machine learning for enhanced morphological diagnosis: development of a DNA methylation-based classifier of central nervous system tumors

    by E. I. Petrova, S. A. Galstyan, V. S. Zyrin, L. V. Olkhova, O. G. Zheludkova, E. V. Kumirova, Yu. V. Dinikina, M. V. Ryzhova, K. V. Okonechnikov

    Background . Morphological diagnosis of central nervous system (CNS) neoplasms is challenging due to significant inter- and intratumoral heterogeneity, as well as similarities in the histological features of different nosological forms. The resolving power of traditional methods (histological and immunohistochemical examination) is limited and does not always allow accurate identification of tumor molecular subtypes. The current World Health Organization (2021) classification of CNS tumors recommends complementing morphological diagnosis with molecular characterization, including DNA methylation profiling, which enables more precise diagnosis and optimizes subsequent therapy. The purpose of the study – to develop and validate a DNA methylation-based classifier for CNS tumors using machine learning methods that ensures high predictive accuracy, reproducibility, and the ability to integrate both publicly available research data and locally collected samples from the N.N. Burdenko National Medical Research Center for Neurosurgery. Materials and methods . Publicly available DNA methylation data generated on the Illumina 450K platform (2,801 samples), as well as locally collected data comprising 776 tumor and control brain tissue samples obtained using the Illumina EPIC platform at the N.N. Burdenko National Medical Research Center for Neurosurgery, were used for model development. To eliminate inter-platform variation (batch effect between 450K and EPIC), data normalization was performed. Training and test sets were prepared using stratified sampling. The model was built using a gradient boosting on decision trees algorithm for each tumor methylation class. Additional multiclass submodels were developed for specific tumor types, such as medulloblastoma and glioblastoma. Classifier performance was evaluated in terms of predictive accuracy and reproducibility. Results . The classifier demonstrated high accuracy (» 0.95) in identifying both common and rare molecular classes of CNS tumors, including high-grade astrocytoma with piloid features. Incorporation of locally collected samples increased the method’s flexibility, improved representation of rare tumor types, and reduced the proportion of uncertain predictions. Conclusions . The DNA methylation-based CNS tumor classifier developed at the N.N. Burdenko National Medical Research Center for Neurosurgery demonstrates high accuracy and is comparable to similar international models. The application of machine learning algorithms enhanced analytical reliability, while inclusion of in-house data enabled adaptation of the model to local sample characteristics. The presented approach is applicable for research, refining diagnoses in challenging cases, and implementing automated molecular diagnostic procedures for CNS tumors.

  • Total DNA methylation profile in assessing the MGMT gene promoter status in malignant gliomas

    by E.I. Petrova, S.A. Galstyan, E.N. Telysheva, M.V. Ryzhova

    Метилирование промотора гена О[6]-метилгуанин-ДНК-метилтрансферазы (MGMT) на сегодняшний день является наиболее важным прогностическим биомаркером в терапии глиобластомы IDH-дикого типа, получить информацию о котором возможно в том числе из общего профиля метилирования ДНК. ЦЕЛЬ ИССЛЕДОВАНИЯ Провести прицельный анализ интенсивности сигнала метилирования ДНК в области гена MGMT в образцах злокачественных глиом и выявить наиболее значимые геномные позиции для вычисления статуса промотора гена MGMT для дальнейшего совершенствования диагностики и прогнозирования терапевтических возможностей у пациентов со злокачественными глиомами. МАТЕРИАЛ И МЕТОДЫ В исследовании использованы данные, полученные из 43 образцов (замороженной ткани или парафиновых блоков) пациентов со злокачественными глиомами. Образцы ДНК опухолей были подготовлены с помощью набора Illumina Infinium MethylationEPIC BeadChip Kit и платформы Illumina Next-Seq 550 Sequencing System. Обработка и анализ профилей метилирования ДНК осуществлялись при помощи вычислительных алгоритмов языка R с использованием специализированных библиотек minfi, mgmtstp27 и базовых статистических функций в среде Rstudio. РЕЗУЛЬТАТЫ На основе общего профиля метилирования ДНК вычислен статус промотора гена MGMT в 43 образцах злокачественных глиом. В 24 (55%) образцах промотор гена MGMT был метилирован. Проведен сравнительный анализ сигнала метилирования в области отдельных CpG-островков в группах с метилированным и неметилированным промотором гена MGMT, выявлены наиболее значимые позиции для дальнейшего улучшения алгоритма анализа данных. ЗАКЛЮЧЕНИЕ Полученные данные демонстрируют возможности и перспективы дальнейшего совершенствования алгоритма вычисления статуса промоторной области гена MGMT на основе общего профиля метилирования ДНК у пациентов со злокачественными глиомами с целью использования его в качестве альтернативы метилспецифической полимеразной цепной реакции. Наши результаты согласуются с результатами других исследователей в сфере нейроонкологии, демонстрирующими, что вычислительные методы, подобные MGMT-STP27, достаточно эффективны и могут применяться в научной и клинической практике для оценки прогноза и принятия решений о назначении химиотерапии алкилирующими агентами.


  • Open Access

    Analysis of DNA methylation profiles confirms a high proportion of immune cells in glioblastoma samples

    by E. I. Petrova, L. V. Olkhova, S. A. Galstyan, E. N. Telysheva, O. G. Zheludkova, M. V. Ryzhova

    Glioblastomas are malignant tumors that belong to the central nervous system and are challenging to diagnose due to their significant intratumoral heterogeneity, which makes molecular testing and diagnosis confirmation particularly difficult. In addition to identifying typical genetic mutations such as IDH, H3F3A G34 and K27, WHO recommendations emphasize the importance of analyzing the tumor epigenome to define its class based on DNA methylation patterns and methylation status of specific genomic regions, particularly the MGMT promoter region. Based on our clinical experience, molecular genetic studies sometimes yield contradictory results due to the heterogeneous cellular composition of glioblastomas. In this study, we present a series of observations made on 35 glioblastoma samples in which we compare the morphological features and the results of cell type detection by deconvolution method based on total DNA methylation profiles. Our results suggest that samples of mesenchymal class glioblastomas may contain over 50 % non-tumor immune cells, which should be considered in genetic testing of these tumors.

  • Verification of the diagnosis of supratentorial ependymomas by real-time PCR

    by S.A. Galstyan, E.N. Telysheva, A.O. Lavrinovich, E.G. Shaikhaev, G.P. Snigireva, E.I. Petrova, S.K. Gorelyshev, O.G. Zheludkova, Y.V. Kushel, E.V. Kumirova, et al.

    Дифференциальная диагностика супратенториальных эпендимом представляет особую сложность в нейроонкологии ввиду неспецифических клинических и рентгенологических данных, редко встречающейся «классической» морфологической картины, а также неспецифического иммунофенотипа. Благодаря молекулярно-генетическим методам, в частности ПЦР в режиме реального времени, стало возможно верифицировать супратенториальные эпендимомы и идентифицировать их молекулярную группу, от которой зависит дальнейший прогноз. ЦЕЛЬ ИССЛЕДОВАНИЯ Разработать комплекс молекулярно-генетических тестов на основе ПЦР в режиме реального времени, позволяющий верифицировать супратенториальные эпендимомы. МАТЕРИАЛ И МЕТОДЫ Для данного исследования были отобраны 56 образцов опухолевой ткани от пациентов с супратенториально локализованной эпендимомой, WHO Grade II, и анапластической эпендимомой, WHO Grade III. Для диагностики методом ПЦР в режиме реального времени мы разработали праймеры и флюоресцентные TaqMan-зонды для детекции слияний генов ZFTA::RELA, ZFTA::MAML2, ZFTA::NCOA2, ZFTA::MAML3, YAP1::MAMLD1 и YAP1::FAM118B. Для иммуногистохимического исследования использовали моноклональные кроличьи антитела анти-NF-kb p65 (HUABIO, Китай), исследование проводили на иммуностейнере AutostainerLink 48 (DAKO, Дания). РЕЗУЛЬТАТЫ Методом ПЦР в режиме реального времени удалось верифицировать диагноз для 69,9% (n=39) образцов и классифицировать их на молекулярные группы ZFTA- или YAP1-позитивных супратенториальных эпендимом. Иммуногистохимически удалось верифицировать 58% (n=29) эпендимом. ЗАКЛЮЧЕНИЕ Диагностика методом ПЦР в режиме реального времени — сравнительно быстрый, доступный и легко интерпретируемый метод, позволяющий верифицировать молекулярную группу в 70% случаев супратенториальных эпендимом без применения дополнительных методов.

  • VISUALIZATION OF DNA METHYLATION PROFILING DATA AS A QUALITY CONTROL TOOL FOR MOLECULAR CLASSIFICATION OF CNS TUMORS

    by Ekaterina Igorevna Petrova, Suzanna Andranikovna Galstyan, Ekaterina Nikolaevna Telysheva, Marina Vladimirovna Ryzhova

    Ввиду высокой значимости оценки структуры метилирования генома для достоверного определения классов опухолей ДНС, анализ ДНК с использованием специальных микрочипов постепенно входит в рутинную практику патоморфологической диагностики. Согласно новой версии классификации опухолей ДНС ВОЗ (5-е издание), в морфологический диагноз рекомендовано включать результаты молекулярно-генетических исследований и учитывать современные представления о профилях метилирования ДНК, характерных для различных классов опухолей. Для интерпретации данных метилирования ДНК, извлекаемых из биопсийного материала, созданы автоматизированные платформы-классификаторы опухолей на основе алгоритмов машинного обучения. Будучи полезными во многих случаях, эти классификаторы также имеют ограничения и не всегда выдают заключение о метиляционном классе опухоли из-за гетерогенности образца или отсутствия похожих образцов в контрольной группе. Преодолеть эти ограничения можно, внедряя дополнительные графические методы анализа биологических данных, позволяющие отслеживать сходство между метиляционными профилями опухолей и свидетельствовать в пользу определённого диагноза. В данной работе мы демонстрируем разработанный нами интерактивный инструмент для визуализации данных метилирования ДНК, дающий возможность отобразить степень сходства и распределение по группам для всех образцов опухолей ДНС, имеющихся в нашей базе данных (n=470), а также сопоставлять гистологические заключения с молекулярными классами. Описанный подход может послужить дополнительным источником информации в работе врача-морфолога и призван повысить качество диагностики в тех случаях, когда иные методы дают неполную или противоречивую...


  • Multiple gliomas

    by M.V. Ryzhova, S.A. Galstyan, E.N. Telysheva, E.I. Petrova, G.L. Kobyakov, A.I. Khodzhaev, S.A. Maryashev

    The authors present 2 patients. One of them had typical multifocal primary multiple synchronous wild-type IDH1/2 glioblastoma subtype RTK1, chromosome 7 duplication, homozygous CDKN2A deletion and chromosome 10 deletion. In another patient, the nature of tumors remains debatable. We can talk about either a rare atypical case of metachronous multicentric various glial tumors (oligodendroglioma, IDH1-mutant and 1p/19q-codeleted, WHO grade 2 and RTK2-glioblastoma) or secondary glioblastoma after previous oligodendroglioma arose a year after radiotherapy.