MRDadaptis:自适应性参数配置增强了在异质ctDNA样本中的最小残留疾病检测

科学领域:

• 基因组学就是基因组学.
• 癌症研究 癌症研究
• 生物信息学是一种生物信息学.

背景情况:

• 使用循环瘤DNA (ctDNA) 检测最小残留疾病 (MRD) 对癌症监测至关重要.
• 在ctDNA样本中的异质性和常规结构变异 (SV) 检测工具 (例如Delly,Manta) 的局限性对稳定和准确的MRD检测构成了挑战.
• 目前的SV检测方法需要广泛的手动参数调整,这对于各种ctDNA数据来说是复杂和低效的.

研究的目的:

• 引入MRDadaptis,一种新型的SV检测工具,旨在克服现有ctDNA分析方法的局限性.
• 为SV检测开发一种自我适应的参数优化机制,以解释ctDNA样本异质性.
• 通过自动化,数据驱动的参数调整来提高MRD检测的稳定性和性能.

主要方法:

• MRDadaptis将贝叶斯优化与自动参数调整的元学习技术集成在一起.
• 该工具根据ctDNA测序数据的内在特征动态调整SV检测参数.
• 验证使用模拟和现实ctDNA数据集进行.

主要成果:

• 与传统工具相比,MRDadaptis显示了明显改善的平均F1分数.
• 该工具在检测方面表现出卓越的稳定性,其证据是变异性降低和较低的根-平均平方误差 (RMSE).
• 增强的库尔托斯表明,在各种ctDNA样本中,检测性能更强大.

结论:

• MRDadaptis通过自适应性参数优化,有效地解决了ctDNA样本异质性的问题.
• 该工具通过ctDNA分析提高了MRD检测的准确性,稳定性和可靠性.
• MRDadaptis显示出有很大的潜力来推进癌症监测和治疗疗效评估.