Aprendizado de máquina para genética

Medicina da Natureza (2023)Cite este artigo

125 Altmétrico

Detalhes das métricas

O câncer de origem desconhecida (CUP) é um tipo de câncer que não pode ser rastreado até seu local primário e é responsável por 3–5% de todos os cânceres. Faltam terapias direcionadas estabelecidas para CUP, levando a resultados geralmente ruins. Desenvolvemos o OncoNPC, um classificador de aprendizado de máquina treinado em dados direcionados de sequenciamento de próxima geração (NGS) de 36.445 tumores em 22 tipos de câncer de três instituições. O classificador primário de tipo de câncer baseado em NGS de oncologia (OncoNPC) alcançou uma pontuação F1 ponderada de 0,942 para previsões de alta confiança (\(\ge 0,9\)) em amostras de tumores retidos, que representaram 65,2% de todos os retidos amostras. Quando aplicado a 971 tumores CUP coletados no Dana-Farber Cancer Institute, o OncoNPC previu tipos de câncer primário com alta confiança em 41,2% dos tumores. O OncoNPC também identificou subgrupos de CUP com risco de linha germinativa poligênica significativamente maior para os tipos de câncer previstos e com resultados de sobrevivência significativamente diferentes. Notavelmente, os pacientes com CUP que receberam primeiros tratamentos com intenção paliativa concordantes com seus cânceres previstos pelo OncoNPC tiveram resultados significativamente melhores (taxa de risco (HR) = 0,348; intervalo de confiança (IC) de 95% = 0,210–0,570; P = \(2,32\vezes {10}^{-5}\)). Além disso, o OncoNPC permitiu um aumento de 2,2 vezes no número de pacientes com CUP que poderiam ter recebido terapias guiadas genomicamente. O OncoNPC fornece, portanto, evidências de subgrupos distintos de CUP e oferece o potencial de apoio à decisão clínica para o manejo de pacientes com CUP.

Esta é uma prévia do conteúdo da assinatura, acesse através da sua instituição

Acesse a Nature e 54 outras revistas do Nature Portfolio

Obtenha Nature+, nossa assinatura de acesso on-line de melhor valor

$ 29,99 / 30 dias

cancelar a qualquer momento

Assine esta revista

Receba 12 edições impressas e acesso online

$ 189,00 por ano

apenas $ 15,75 por edição

Alugue ou compre este artigo

Os preços variam de acordo com o tipo de artigo

a partir de US$ 1,95

para US$ 39,95

Os preços podem estar sujeitos a impostos locais que são calculados durante a finalização da compra

Os dados de sequenciamento do painel tumoral multicêntrico NGS estão disponíveis mediante solicitação no site do Projeto AACR GENIE: https://www.aacr.org/professionals/research/aacr-project-genie/. O modelo OncoNPC totalmente treinado, dados de variantes somáticas processadas do Profile DFCI e dados clínicos desidentificados usados ​​na análise de concordância de tratamento estão disponíveis em https://github.com/itmoon7/onconpc.

Usamos as linguagens de programação R (v4.0.2) e Python (v3.9.13) para processamento de recursos OncoNPC (R deconstructSigs v1.8.0), desenvolvimento e interpretação de modelo OncoNPC (Python xgboost v1.2.0, shap v0.41.0) e análise de sobrevivência (R sobrevivência v3.2.7, estatísticas v4.0.2, linhas de vida Python v0.27.4, scipy v1.7.1). Consulte https://github.com/itmoon7/onconpc para o script de pré-processamento, o modelo OncoNPC totalmente treinado, uma demonstração de notebook sobre como usar o OncoNPC e outros materiais de referência.

Pavlidis, N., Khaled, H. & Gaafar, R. Uma mini revisão sobre câncer de sítio primário desconhecido: um quebra-cabeça clínico para os oncologistas. J. Adv. Res. 6, 375–382 (2015).

Artigo PubMed Google Scholar

Varadhachary, GR & Raber, MN Câncer de sítio primário desconhecido. N. Engl. J. Med. 371, 757–765 (2014).

Artigo CAS PubMed Google Scholar

Hyman, DM et al. Vemurafenibe em múltiplos cânceres não melanoma com mutações BRAF V600. N. Engl. J. Med. 373, 726–736 (2015).

Artigo CAS PubMed PubMed Central Google Scholar

Hainsworth, JD & Greco, FA Câncer de sítio primário desconhecido: novos paradigmas de tratamento na era da medicina de precisão. Sou. Soc. Clin. Oncol. Educ. Livro 38, 20–25 (2018).

Artigo PubMed Google Scholar