通过使用机器学习在液体活检中通过cfDNA碎片化和副本数量改变早期检测犬血肉瘤

科学领域:

• 兽医瘤学 兽医瘤学
• 基因组学就是基因组学.
• 生物标志物发现发现

背景情况:

• 血管肉瘤是一种普遍存在的,来自内皮细胞的侵袭性犬癌.
• 早期检测对于改善犬血肉瘤的结果至关重要.
• 无细胞DNA (cfDNA) 液体活检为癌症诊断提供了一种非侵入性方法.

研究的目的:

• 分析cfDNA片段大小和拷贝数变化 (CNAs) 在患有血肉瘤的狗中.
• 开发机器学习模型,以提高早期癌症检测的准确性.
• 为了确定cfDNA生物标志物用于犬血类肉瘤查和监测.

主要方法:

• 全基因组测序 (WGS) 的cfDNA来自21个受血肉瘤影响的狗和36只健康的狗.
• 对cfDNA片段大小分布和拷贝数改变 (CNAs) 的分析.
• 机器学习算法的应用在cfDNA数据上进行分类.

主要成果:

• 与健康狗相比,血瘤cfDNA的碎片大小较短,峰值向左移动.
• 在犬血肉瘤与人类血管肉瘤中观察到明显的cfDNA片段大小模式.
• 机器学习模型实现了癌症分类的平均曲线下面面积 (AUC) 0.93.

结论:

• 不同的cfDNA片段大小和CNA模式与犬血肉瘤有关.
• cfDNA分析具有通过液体活检早期检测和监测犬血类肉瘤的巨大潜力.
• 这项研究为将cfDNA分析应用于其他犬类癌症提供了基础.