EpiGe:一种机器学习策略,使用基于PCR的甲基基因型鉴定快速对脑髓母细胞瘤进行分类
Soledad Gómez-González1,2, Joshua Llano2,3,4, Marta Garcia1,2
1Laboratory of Developmental Tumor Biology, Institut de Recerca Sant Joan de Déu, Pediatric Cancer Center Barcelona, Hospital Sant Joan de Déu, Barcelona, Spain.
iScience
|September 4, 2023
概括
一个新的机器学习系统使用qPCR甲基化数据对脑髓母细胞瘤分子群进行分类. 这个用户友好的Web应用,EpiGe-App,提供快速,可访问的脑瘤分类,以改善治疗策略.
科学领域:
- 在瘤学瘤学.
- 遗传学 是一个遗传学.
- 生物信息学是一种生物信息学.
背景情况:
- 脑膜母细胞瘤的分子分类对于有效治疗至关重要.
- 基于数组的DNA甲基化分析是一个强大的,但往往无法使用的工具.
- 需要可访问的方法来对脑髓母细胞瘤进行分类.
研究的目的:
- 开发一个机器学习决策支持系统 (DSS) 用于分类脑髓母细胞瘤分子组.
- 直接从定量PCR (qPCR) 数据进行分类.
- 创建一个用户友好的网络应用程序,用于自动解释和预测.
主要方法:
- 使用了先前验证的六细胞因子签名,并具有子组特定的甲基化配置文件.
- 开发了一种甲基基因型定型试验,用于通过qPCR确定细胞因子甲基化状态.
- 将DSS集成到一个名为EpiGe-App的网络应用程序中,用于自动化分析.
主要成果:
- 从qPCR数据中成功分类了主要分子组 (WNT,SHH,非WNT/非SHH).
- 证明了使用减少的一组标记器用于准确分类的可行性.
- 开发了一个网络应用程序,用于可访问和自动解释甲基化数据.
结论:
- 开发的DSS和EpiGe-App为脑髓母细胞瘤分类提供了全面和快速的方法.
- 这种方法利用易于访问的qPCR设备和用户友好的界面.
- 促进及时和准确的分子亚型识别,以改善脑髓母细胞瘤治疗的临床决策.
