iGenSig-Rx:一个基于基因组签名的整体白盒工具,用于使用多omics数据建模癌症治疗反应
Sanghoon Lee1,2,3, Min Sun1,4, Yiheng Hu1,2
1UPMC Hillman Cancer Center, University of Pittsburgh, Pittsburgh, PA, 15213, USA.
BMC bioinformatics
|June 19, 2024
概括
iGenSig-Rx提供了一种透明,可解释的方法,用于使用多omics数据预测治疗反应. 这种方法通过有效地建模基因组签名来增强精密瘤学的患者选择.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 多omics测序对个性化医学具有前景.
- 目前的全基因组建模缺乏对患者选择的解释性.
- 在跨数据集建模中存在挑战,用于预测治疗反应.
研究的目的:
- 介绍iGenSig-Rx,这是一个基于基因组签名的综合基因组方法.
- 从临床试验数据开发一个透明的工具来建模治疗反应.
- 解决跨数据集建模和过拟方面的挑战.
主要方法:
- 利用高维冗余基因组特征进行强大的建模.
- 实施每个样本的特征冗余的自适应性惩罚.
- 为iGenSig-Rx实现开发了一个专门的R包.
主要成果:
- 在四个针对HER2的治疗临床试验中,iGenSig-Rx表现出一致的预测能力.
- 该模型为预测和特征贡献提供了透明的解释.
- 确定了影响治疗反应的关键潜在途径.
结论:
- iGenSig-Rx是一种透明和可解释的多omics建模方法.
- 这种方法适用于大数据驱动的精密瘤学.
- 方便合理选择患者进行个性化干预.
