人工智能分析DNA片段組和蛋白質(zhì)生物標(biāo)志物無創(chuàng)檢測卵巢癌

根據(jù)4月5日至10日舉行的美國癌癥研究協(xié)會(AACR) 2024年年會上發(fā)表的一項回顧性研究，結(jié)合無細胞DNA (cfDNA)片段模式和蛋白質(zhì)CA125和HE4水平的基于血液的機器學(xué)習(xí)分析可以區(qū)分卵巢癌患者與健康對照或良性卵巢腫塊患者。

聯(lián)邦統(tǒng)計數(shù)據(jù)將卵巢癌列為美國女性癌癥死亡的第五大常見原因，其五年生存率約為50%。約翰霍普金斯大學(xué)金梅爾癌癥中心的博士后Jamie Medina博士解釋說，卵巢癌如此致命的部分原因是，它通常在疾病的早期階段不會引起癥狀。

Jamie Medina說:“缺乏有效的篩查工具，加上卵巢癌的無癥狀發(fā)展，在有效治療選擇有限的情況下導(dǎo)致了晚期診斷。”Jamie Medina與約翰霍普金斯大學(xué)醫(yī)學(xué)院的醫(yī)學(xué)博士/博士生Akshaya Annapragada共同發(fā)表了這項研究。“一種具有成本效益的、可獲得的檢測方法可能會改變卵巢癌篩查的臨床范例，并可能挽救生命。”

液體活檢技術(shù)，研究人員通過分析患者的血液來尋找腫瘤來源DNA的證據(jù)，已經(jīng)被探索作為一種無創(chuàng)檢測各種癌癥的方法;然而，麥地那解釋說，它們對卵巢癌并不總是有用。DELFI (DNA片段早期攔截評估)采用了一種較新的液體活檢分析方法，稱為片段組學(xué)，該方法有望提高此類測試的準確性。該方法是基于檢測循環(huán)中cfDNA片段在基因組或片段組中大小和分布的變化。

Medina說:“因為癌細胞快速生長和死亡，與健康細胞相比，癌細胞的基因組混亂，癌癥患者的血液中DNA片段的模式與沒有癌癥的患者不同。通過仔細分析整個人類基因組中的這些片段，我們可以檢測出表明癌癥存在的細微模式。”

Medina, Annapragada及其同事使用DELFI分析了患有和未患卵巢癌的個體的片段組。他們訓(xùn)練了一種機器學(xué)習(xí)算法，將片段組數(shù)據(jù)與兩種已知卵巢癌生物標(biāo)志物(CA125蛋白和HE4蛋白)的血漿水平相結(jié)合。

“卵巢癌是一種令人難以置信的致命疾病，沒有很好的生物標(biāo)志物用于篩查和早期干預(yù)，”該研究的高級作者，腫瘤學(xué)教授，約翰霍普金斯金梅爾癌癥中心癌癥遺傳學(xué)和表觀遺傳學(xué)項目的聯(lián)合主任Victor Velculescu說。“我們的目標(biāo)是通過將全基因組無細胞DNA片段與蛋白質(zhì)生物標(biāo)志物相結(jié)合，開發(fā)一種新的高性能方法來早期檢測卵巢癌，從而克服這一挑戰(zhàn)。”

研究人員分析了134名患有卵巢癌的女性、204名未患癌癥的女性和203名患有良性附件腫塊的女性的血漿。他們利用這些數(shù)據(jù)建立了兩個模型:一個用于檢驗

卵巢癌篩查在無癥狀人群和其他非侵入性區(qū)分良性腫塊癌。

篩查模型的特異性超過99%(幾乎沒有假陽性)，分別識別出69%、76%、85%和100%的I-IV期卵巢癌病例;在所有階段，曲線下面積(一種隨著值接近1而增加的準確度測量)為0.97，遠遠高于當(dāng)前生物標(biāo)志物的性能。相比之下，單獨分析CA125水平分別確定了40%、66%、62%和100%的I-IV期病例。

該診斷模型能夠區(qū)分卵巢癌與良性腫塊，曲線下面積為0.87。

Velculescu說，該小組打算在更大的群體中驗證他們的模型，以加強在這里觀察到的關(guān)聯(lián)，但他發(fā)現(xiàn)目前的數(shù)據(jù)令人鼓舞。他說:“這項研究為我們團隊的大量工作做出了貢獻，證明了全基因組無細胞DNA碎片化和機器學(xué)習(xí)在高性能檢測癌癥方面的力量。我們的研究結(jié)果表明，與現(xiàn)有的生物標(biāo)志物相比，這種聯(lián)合方法提高了篩查的性能。”

本研究的局限性包括樣本量相對較小，研究人群主要由美國和歐洲患者組成，以及分析的回顧性性質(zhì)。

本網(wǎng)站所有轉(zhuǎn)載文章系出于傳遞更多信息之目的，轉(zhuǎn)載內(nèi)容不代表本站立場。不希望被轉(zhuǎn)載的媒體或個人可與我們聯(lián)系，我們將立即進行刪除處理。