CanDrivR-CS：再発性およびまれなバリアントを区別するための癌特異的機械学習フレームワーク

科学分野:

• ゲノミクス
• 癌研究
• バイオインフォマティクス

背景:

• ミスセンス変異、タンパク質を変化させる単一ヌクレオチド置換は、癌の発症において重要です。
• 再発性ミスセンス変異とまれなミスセンス変異を区別することは、癌の進化と機能的影響についての洞察を提供します。
• 既存のツールは、変異病原性予測のための癌特異的コンテキストを欠いていることがよくあります。

研究 の 目的:

• まれおよび再発性の体細胞ミスセンス変異を区別するための癌特異的モデルを開発すること。
• 特定の癌種における変異再発を駆動する主要な特徴を特定すること。
• 腫瘍特異的変異コンテキストを分析するための計算ツール（CanDrivR-CS）を提供すること。

主な方法:

• 国際癌ゲノムコンソーシアム（ICGC）からのキュレーションされたデータ。
• 50の癌特異的勾配ブースティングモデルをトレーニングしました。
• パフォーマンス評価のために、Leave-One-Group-Outクロスバリデーション（LOGO-CV）を採用しました。

主要な成果:

• 癌特異的モデルは、パン癌ベースラインを大幅に上回りました。
• 皮膚黒色腫で最大90％のF1スコアを達成しました。
• DNA形状の特徴を非常に予測的であると特定し、再発性変異はDNAの曲がりや転がりで濃縮されました。

結論:

• CanDrivR-CSは、癌における体細胞ミスセンス変異を分析するための強力なアプローチを提供します。
• 変異再発パターンを理解することは、癌特異的な選択圧を解明することができます。
• DNA構造の特徴は、癌における変異ホットスポットの重要な決定因子です。