深層学習に基づく非侵襲的腫瘍トランスクリプトームの細胞フリーDNAからのプロファイリングによる精密腫瘍学

科学分野:

• ゲノミクス
• バイオインフォマティクス
• 計算生物学

背景:

• 液体生検による循環腫瘍DNA（ctDNA）プロファイリングは、最小侵襲性がん診断ツールです。
• 遺伝子発現推論のための現在のctDNA法は、トランスクリプトーム全体の解像度が不足しており、特殊または深層シーケンスが必要です。

研究 の 目的:

• TritonをcfDNAフラグメントームおよびヌクレオソームプロファイリング用に導入しました。
• 標準的な全ゲノムシーケンスを使用したcfDNAからの遺伝子発現予測のための深層学習フレームワークであるProteusを導入しました。
• これらのツールの臨床的有用性を精密腫瘍学のために実証しました。

主な方法:

• cfDNAフラグメントームおよびヌクレオソームプロファイリングを包括的に行うためのTritonを共同開発しました。
• 標準的な深さの全ゲノムシーケンスデータを使用したマルチモーダル深層学習フレームワークであるProteusを利用しました。
• 患者由来異種移植片および腫瘍RNA-Seqが一致した4つの患者コホートを使用してProteusを検証しました。

主要な成果:

• Proteusは、RNA-Seqの複製と同等のctDNAからの遺伝子発現プロファイルを正確に再現しました。
• このモデルは、患者コホートにおける予後マーカー、表現型マーカー、および治療標的を正常に予測しました。
• Proteusは遺伝子経路濃縮スコアを正確に予測し、RNA-Seqのアナログユーティリティを示しました。

結論:

• TritonおよびProteusは、標準的な全ゲノムシーケンスを使用したcfDNAからのトランスクリプトーム全体の遺伝子発現プロファイリングを可能にします。
• これらのツールは、がんモニタリングおよび治療ガイダンスを含む精密腫瘍学のための非侵襲的ソリューションを提供します。
• これらの発見は、臨床現場におけるcfDNAベースの遺伝子発現解析の可能性を強調しています。