基于突变的景观和DNA甲基化,对状细胞癌和尿路细胞癌进行分类

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 生物技术是生物技术.

背景情况:

• 精确识别癌症组织的起源对于有效治疗至关重要.
• 来自不同部位的状细胞癌往往缺乏明显的组织学和免疫组织化学特征,使诊断复杂化.
• 在适当的治疗策略中,区分状细胞癌和尿路细胞癌是必不可少的.

研究的目的:

• 为了识别不同的状细胞癌 (SCC) 起源的不同突变特征.
• 建立一个基于DNA甲基化的SCC和泌尿腺癌 (UC) 的分类系统.
• 开发一种分类器,能够识别四种常见的SCC类型 (肺,头,食道,子宫) 和UC.

主要方法:

• 针对SCC和UC样本的下一代测序和突变景观分析.
• 利用了来自公共和地方队列的Illumina甲基化BeadChip数据.
• 使用CatBoost机器学习算法开发了一个基于DNA甲基化的分类器.

主要成果:

• DNA突变资料显示,不同地点的SCC之间存在显著的重叠.
• 基于CatBoost的DNA甲基化分类器在培训和验证集 (86.96%公共,84.87%本地) 中实现了高精度 (98.79%).
• 与转移样本 (71.88%) 相比,分类器在原发性瘤 (89.66%) 中表现优越,并且在分类未知原发性 (CUP) 病例的具有挑战性的癌症方面表现有前途.

结论:

• 成功建立了一个基于DNA甲基化的新型分类,用于肺,头,食道,宫SCC和UC.
• 该分类表明了出色的诊断性能,具有很高的临床应用潜力.
• 这种工具解决了确定未知初级状细胞癌的主要来源的临床挑战.