eccDNA2Ca:がんに関連した染色体外円形DNAの解釈可能な予測のためのアンサンブル深層学習フレームワーク

科学分野:

• コンピュータ生物学 コンピュータ生物学
• ゲノミクスゲノミクスとは
• がん研究 がん研究

背景:

• エクストラクロモソームの円形DNA (eccDNA) は,腫瘍遺伝子の増幅,治療抵抗性,がんの異質性を誘発する.
• 現在,eccDNAの計算方法では,腫瘍創生における機能的および臨床的意義に焦点を当てていない.

研究 の 目的:

• 原始配列からがんに関連するeccDNAを予測するための解釈可能なフレームワークであるeccDNA2Caを開発する.
• 機能的研究とバイオマーカーの発見を可能にするために,eccDNAsを優先順位付けします.

主な方法:

• XGBoost,CNN,LSTMを組み合わせたアンサンブル学習フレームワークであるeccDNA2Caを開発しました.
• 16種類の癌の465人のヒトeccDNAのキュレーションされたデータセットでモデルを訓練しました.
• ゲノム特征,深層配列エンコーディング,SHAP分析,および解釈可能性のためのモチーフ発見を活用しました.

主要な成果:

• eccDNA2Caは優れた性能 (AUC>0.96,AUPR>0.95) を達成し,従来の分類器を上回った.
• 特徴の解釈は重複内容とk-mer周波数を強調した;モチーフ分析は転写因子結合部位を発見した.
• 予測されたeccDNAと腫瘍変異負荷,免疫浸透,マイクロサテライトの不安定性,患者の生存率との間の検証された関連性.

結論:

• eccDNA2Caは,配列の特徴に基づいてがんに関連するeccDNAを優先順位付けする最初の解釈可能なオープンソースツールです.
• eccDNAの機能研究,がんバイオマーカーの発見,およびトランスレーションゲノミクスのためのスケーラブルなリソースを提供します.
• ソースコードとWebサーバーは,より広範な研究アプリケーションのために公開されています.