欧米克和人工智能集成用于分层爆发危机CML使用COSMIC签名和泛癌精度药物重新用途

科学领域:

• 基因组学就是基因组学.
• 计算生物学 计算生物学
• 在瘤学瘤学.

背景情况:

• 慢性髓性白血病 (CML) 进展到爆发性危机 (BC-CML) 与糟糕的结果和药物耐药性有关.
• 整体外基因组测序 (WES) 揭示了BC-CML中的多种突变,表明了突变引导治疗的潜力.
• 人工智能 (AI) 和机器学习 (ML) 为复杂癌症提供了基因组分层和药物重定位的工具.

研究的目的:

• 使用WES,ML和AI将BC-CML分层成不同的分子亚型.
• 在BC-CML中确定可用于精确药物重定位的可操作突变.
• 为实时分层和有针对性的治疗选择建立一个框架.

主要方法:

• 在7名BC-CML患者身上进行了整体外基因组测序 (WES).
• 机器学习 (ML) 算法,包括主要组件分析和K-means,用于患者分层.
• 身体突变被注释,癌症突变特征被分析,使用癌症体突变目录 (COSMIC) 和泛药物来确定药物优先级.

主要成果:

• 根据突变资料,ML在BC-CML患者中确定了三种不同的分子.
• 集群1与BRCA2和TP53突变相关,表明PARP抑制剂.
• 集群2显示IDH1/2和KMT2E突变,表明IDH抑制剂的潜力;集群3具有JAK2和CSF3R突变,对JAK抑制剂有反应.

结论:

• 一个WES-AI-ML框架可以根据分子亚型精确地分层BC-CML.
• 这种方法促进了FDA批准的药物用于向BC-CML治疗的重新用途.
• 虽然受样本大小限制,但该研究提供了一个验证的方法框架,用于在更大的队列中精确瘤学分层.