无细胞表观基因组增强了基于fragmentomics的模型,用于早期检测肺癌
Yadong Wang1, Qiang Guo2, Zhicheng Huang1
1Department of Thoracic Surgery, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing, China.
Clinical and translational medicine
|February 5, 2025
概括
一个新的机器学习模型整合了无细胞DNA (cfDNA) 表观遗传学和碎片学,实现了早期肺癌检测的高精度. 这种非侵入性方法对识别即使是早期和最小侵入性肺癌也很有前途.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 肺癌仍然是癌症死亡的主要原因,需要先进的非侵入性早期检测方法.
- 目前用于早期肺癌的无细胞DNA (cfDNA) 分析面临敏感性限制.
- 整合cfDNA表观遗传修饰和碎片特征为改进检测提供了一个有希望的途径.
研究的目的:
- 通过使用机器学习整合cfDNA表观遗传和碎片组数据,开发出更准确的肺癌检测模型.
- 提高非侵入性肺癌诊断的敏感性和特异性,特别是在早期阶段.
主要方法:
- 一项多中心前性队列研究,涉及怀疑肺结节的参与者和健康的志愿者.
- 分析血cfDNA的表观遗传和片段形状,使用染色体免疫沉测序,减少表示双硫酸序列和低通全基因组测序.
- 机器学习算法的应用,以整合多omics数据,用于精确的肺癌检测模型开发.
主要成果:
- 与癌症相关的cfDNA碎片变化在特定的表观遗传标记基因 (609个已确定) 中显著丰富.
- 使用cfDNA碎片特征的整体模型在独立验证集上实现了90.4%的灵敏度,83.1%的特异性和0.94的AUC.
- 对于I期肺癌 (95.1%) 和微侵袭性腺癌 (96.2%) 观察到异常敏感.
结论:
- 一个基于cfDNA碎片学的机器学习模型,以表观遗传测序为指导,在独立验证中表现出色.
- 该研究阐明了表观遗传修饰和cfDNA片段特征之间的调节关系.
- 该模型显示了翻译应用的巨大潜力,作为早期肺癌检测的有效的非侵入性策略.
