在临床瘤学中用于循环无细胞DNA的计算建模
Linh Nguyen Phuong1, Sébastien Salas1,2, Sébastien Benzekry1
1Computational Pharmacology and Clinical Oncology Department, Centre Inria d'Université Côte d'Azur, Cancer Research Centre of Marseille, Paoli Calmettes Institute, Inserm UMR1068, CNRS UMR7258, Aix Marseille University UM105, Marseille, France.
JCO clinical cancer informatics
|February 28, 2025
概括
无细胞DNA (cfDNA) 的计算建模增强了癌症诊断和治疗监测. 这些模型为改善临床决策提供了对瘤生物学的关键非侵入性见解.
科学领域:
- 在瘤学瘤学.
- 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:
- 使用循环无细胞DNA (cfDNA) 的液体活检是癌症管理的关键工具.
- 计算建模 (CM) 对于从cfDNA数据中提取可操作的临床见解至关重要.
研究的目的:
- 在临床瘤学中审查无细胞DNA (cfDNA) 的计算建模 (CM) 方法.
- 突出机器学习 (ML) 和机械方法在分析cfDNA数据中的作用.
- 强调CM-cfDNA在非侵入性癌症诊断,预后和治疗监测方面的潜力.
主要方法:
- 审查CM-cfDNA方法,包括机器学习 (ML) 和机械方法.
- 将生物原理集成到机械模型中,以了解cfDNA动态.
- 使用ML对cfDNA度,碎片化模式和突变检测的分析.
主要成果:
- CM-cfDNA方法显著提高了诊断准确性和预后标志物识别.
- ML模型显示了癌症早期检测的高灵敏度和特异性.
- 机械模型阐明了与瘤生长和治疗反应相关的cfDNA动力学,包括免疫检查点抑制剂.
结论:
- CM-cfDNA是精密瘤学的重大进步,将cfDNA数据转化为临床见解.
- 协议的标准化和对不同人群的验证对于临床整合至关重要.
- 混合ML和机械建模方法有望增强生物理解和临床实用性.
