通过DNA甲基化概况改进儿科急性淋巴细胞白血病的风险预测

科学领域:

• 在瘤学瘤学.
• 表观遗传学 在表观遗传学中,表观遗传学是指表观遗传学.
• 生物信息学是一种生物信息学.

背景情况:

• 急性淋巴细胞白血病 (ALL) 是最常见的儿童癌症.
• 尽管治疗进展,复发和死亡率仍然是重大挑战.
• 需要预测工具来完善风险分层和个性化治疗.

研究的目的:

• 开发和验证机器学习模型,以利用DNA甲基化数据预测儿科ALL的复发和死亡风险.
• 评估DNA甲基化在独立患者队列中的预后价值.
• 探索表观遗传预测因子与临床因素的整合,以改善风险评估.

主要方法:

• 监督机器学习 (随机生存森林) 应用于基于数组的DNA甲基化数据.
• 使用16个CpG站点开发复发风险预测器 (RRP),使用53个CpG站点开发死亡风险预测器 (MRP).
• 在独立的北欧和加拿大儿科ALL队列中进行验证.

主要成果:

• 在训练和测试集中,RRP和MRP表现出良好的预测性能 (c指数在0.667到0.754之间).
• 外部验证证实了RRP和MRP在独立队列中的预后价值.
• 与传统风险组的整合提高了模型精度;MRP确定了一个高风险子组.

结论:

• 基因甲基化作为儿童ALL的宝贵预后因素.
• 表观遗传特征分析可以完善风险分层,可能导致个性化治疗策略.
• 整合DNA甲基化数据的机器学习模型为管理儿科ALL提供了一个有希望的方法.