一组基于机器学习的性能评估确定了顶级的In-Silico病原性预测方法,这些方法最能对癌症中驱动突变进行最佳分类

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:

• 准确识别癌症驱动突变对于患者管理至关重要.
• 现有的突变致病算法显示出显著的性能变化,即使对于已知的驱动程序.
• 突变评估中的不一致性阻碍了可靠的临床应用.

研究的目的:

• 开发一个整体机器学习 (ML) 方法来评估病原性和保护评分算法 (PCSAs).
• 根据PCSAs在头部和部状细胞癌 (HNSC) 中区分致病性驱动突变和良性乘客突变的能力来排名PCSAs.
• 确定最有效的PCSAs来优先考虑致癌突变.

主要方法:

• 利用了502名HNSC患者的数据集,这些患者的突变分类在299个高可信度癌症驱动基因中.
• 每个突变与41个PCSAs进行了注释.
• 采用后勤回归,随机森林和支持矢量机器ML算法,以递归特征消除来排名PCSA,使用排名-平均排序和排名-总和排序进行最终排名.

主要成果:

• 随机森林算法在区分驾驶员和乘客突变方面获得了最高的性能 (AUC-ROC 0.89).
• 通过等级总和分布确定的前11个PCSA显著优于剩余的30个PCSA (p < 2.22e-16).
• 排名最高的PCSA在HNSC,乳腺癌,肺癌和结直肠癌的验证队列中表现出强的表现.

结论:

• 综合ML方法有效地评估和排名PCSAs,以区分致病性驾驶员突变与良性乘客突变.
• 数据驱动的PCSA选择是必不可少的,因为一些流行的算法表现不佳.
• 经过验证的顶级PCSA为各种癌症类型的癌症突变分析和优先考虑提供了更可靠的工具.