CanID:小児の悪性腫瘍に対する堅牢で正確なRNAseq発現ベースの診断分類方式

科学分野:

• 腫瘍学
• バイオ情報学
• 機械学習

背景:

• 小児がんのサブタイプ分類は,標的治療において極めて重要です.
• 現在の方法は,小児がんの範囲,精度,標準化に問題があります.
• Omicsベースの機械学習分類器は,組織病理学を拡張するためにますます使用されています.

研究 の 目的:

• 小児がんのサブタイプを 機械学習で分類する 強力なスキームを開発する.
• 多様な小児固体腫瘍と血液学的悪性腫瘍を分類する分析的な課題に取り組む.
• 腫瘍診断と分層化を改善するためのトランスクリプトームベースのアプローチを提供する.

主な方法:

• 癌識別 (CanID) を開発し,組み合わせた機械学習モデルを開発した.
• 遺伝子レベルのRNA配列数値データ (トランスクリプトミックの特徴) を唯一の入力として利用した.
• 13種類の固体腫瘍と38種類の血性悪性腫瘍の3203個の小児がんサンプルで CanIDを訓練した.

主要な成果:

• 固体腫瘍に対する99%の精度,血液学的悪性腫瘍に対する92~93%の精度を達成した.
• データ収集の違いや階級の不均衡など,生物学的および技術的な変化に対する強度が実証されています.
• 臨床ヒストロジーの評価に困難なサブタイプを成功裏に分類しました.

結論:

• CanIDは,小児がんのトランスクリプトームベースの非常に正確で堅固な分類スキームを提供しています.
• このモデルの生物学的解釈は,腫瘍の診断と分層化を進めるのに役立ちます.
• CanIDは精密腫瘍学と臨床意思決定の貴重なツールです.