MBMethPred:使用数据集成和基于人工智能的方法准确分类儿童脑髓母细胞瘤子组的计算框架
Edris Sharif Rahmani1, Ankita Lawarde1,2, Prakash Lingasamy1
1Competence Centre on Health Technologies, Tartu, Estonia.
Frontiers in genetics
|September 25, 2023
概括
一个人工智能工具MBMethPred使用DNA甲基化和基因表达精确地分类儿童脑髓母细胞瘤子组. 这可以改善这种恶性脑瘤的诊断和治疗.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 人工智能的人工智能
背景情况:
- 儿童脑髓母细胞瘤是一种恶性脑瘤,有四个分子子组,需要准确的分类才能有效治疗.
- 在脑髓母细胞瘤3组和4组之间错误分类是影响患者护理的常见挑战.
- 目前的分类方法需要提高儿科瘤学的精度.
研究的目的:
- 开发基于人工智能的工具,使用DNA甲基化和基因表达数据准确地进行脑髓母细胞瘤亚群分类.
- 为了确定可靠的生物标志物,以精确识别脑髓母细胞瘤亚群.
- 探索子组特定的驱动因素及其在脑髓母细胞瘤的预后相关性.
主要方法:
- 开发了MBMethPred,这是一个基于人工智能的R包,利用机器学习和神经网络模型.
- 分析了来自763个脑髓母细胞瘤样本的DNA甲基化和基因表达特征.
- 使用功能丰富,沙普利值和基因网络分析来识别关键基因.
主要成果:
- 使用399个CpG作为生物标志物,在脑髓母细胞瘤子组分类中获得了超过96%的准确性.
- 鉴定了参与神经系统发育的基因,能够以99%的准确性分离子组.
- 发现了16个用于分组分类的重要基因,包括EP300,CXCR4和WNT4.
结论:
- MBMethPred提供了一个高度准确的AI驱动的方法,用于脑髓母细胞瘤子组的分类.
- 鉴定的生物标志物和基因增强了对脑髓母细胞瘤驱动因素和预后的理解.
- 这一进步支持个性化医疗,并改善了儿童癌症患者的生存结果.
