基于知识的多式联络cfDNA分析提高了癌症检测的敏感性和概括性
Antonio De Falco1, Piera Grisolia2, Raffaella Giuffrida3
1BIOGEM Institute of Molecular Biology and Genetics, Ariano Irpino, Italy.
bioRxiv : the preprint server for biology
|November 24, 2025
概括
一个新的AI驱动的液体活检工具Fate-AI增强了癌症检测的灵敏度和特异性. 这种方法分析无细胞DNA (cfDNA) 断片组学和甲基化模式,用于早期癌症检测和监测.
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:
- 使用无细胞DNA (cfDNA) 的液体活检显示出癌症检测的前景,但面临着敏感性和特异性的挑战.
- 目前的瘤知情和瘤天真方法在检测低瘤分数和在患者队列中概括方面存在局限性.
- 瘤进化和异质性进一步复杂化通过cfDNA分析准确的癌症检测.
研究的目的:
- 开发和验证使用人工智能 (Fate-AI) 进行瘤评估的碎片学分析,这是一种多式液体活检框架.
- 用cfDNA分析提高癌症检测和监测的灵敏度和特异性.
- 为了实现早期癌症检测,最小残留疾病监测和组织起源分类.
主要方法:
- 从低通全基因组测序 (LPWGS) 和cfMeDIP-seq.q.中集成的碎片和甲基化特征.
- 采用基于知识的策略来选择反复改变的基因组区域和组织特定的甲基化位点.
- 在来自多个实验室和公共数据集的10种癌症类型和健康对照中的1,219个血样本上验证了Fate-AI.
主要成果:
- 与现有方法相比,Fate-AI表现出更高的灵敏度和特异性,在低至10-5的分数中检测瘤信号.
- 该框架实现了强大的每个样本的规范化,减轻了批量效应,并提高了跨队列可重现性.
- 宿命-AI得分与疾病阶段相关,跟踪纵向进展,并在临床进展之前预测复发.
- 根据起源组织的分类,在六种癌症类型中实现了从0.84到0.97的AUC.
结论:
- Fate-AI提供了一个灵敏,可泛化和临床可操作的液体活检平台.
- 该框架显示了早期癌症检测,最小残留疾病监测和精确瘤学中来源组织分类的潜力.
- 这种多式人工智能方法克服了当前液体活检技术的局限性,为改善癌症管理铺平了道路.


