在使用基于神经嵌入的表征的临床试验中识别癌症突变特征
Adar Yaacov1, Gil Ben Cohen2, Jakob Landau2
1Gaffin Center for Neuro-Oncology, Sharett Institute for Oncology, Hadassah Medical Center and Faculty of Medicine, Hebrew University of Jerusalem, Jerusalem, Israel; The Wohl Institute for Translational Medicine, Hadassah Medical Center and Faculty of Medicine, Hebrew University of Jerusalem, Jerusalem, Israel; Department of Microbiology and Molecular Genetics, IMRIC, Faculty of Medicine, Hebrew University of Jerusalem, Jerusalem, Israel.
Cell reports. Medicine
|June 12, 2024
概括
我们开发了一个模型,从有限的突变中预测癌症突变特征,帮助临床基因组. 这有助于在超过6万种瘤中识别与更好的生存和耐治疗性相关的特征.
科学领域:
- 基因组学就是基因组学.
- 癌症研究 癌症研究
- 生物信息学是一种生物信息学.
背景情况:
- 突变特征提供预后和治疗见解,但在向基因组中未得到充分利用.
- 在临床环境中,从有限的突变数据中预测主导特征是具有挑战性的.
研究的目的:
- 开发一个模型来预测使用有限的突变在向基因面板中占主导地位的突变特征.
- 划分不同癌症类型和患者群体中占主导地位的特征.
主要方法:
- 开发了一种突变表示模型,以学习和嵌入特定的突变签名连接.
- 该模型被应用到使用基因组数据预测超过6万种瘤的支配性特征.
主要成果:
- 在基因组中占主导地位的特征预测具有临床重要性,紫外线,烟草和APOBEC特征与更好的生存相关.
- 确定了特定基因/突变和特征之间的关联 (例如,SBS5与TP53,APOBEC与FGFR3S249C).
- APOBEC的特征是作为对表皮生长因子受体-氨酸激酶抑制剂 (EGFR-TKI) 耐药性的预测指标.
结论:
- 开发的模型有助于在有限数据的临床试验中检测突变特征.
- 这种方法对大量癌症患者具有重大临床影响,可能指导治疗决策.
- 针对性基因组中的突变特征分析可以提供独立的预后信息并预测治疗反应.
