您好,欢迎您

【AACR ANNUAL MEETING NEWS】基于人工智能衍生的预测正在改善现实世界中癌症驱动突变的识别

04月06日
编译:肿瘤资讯
来源:AACR官网

美国癌症研究协会(AACR)年会是全球历史悠久、肿瘤领域最具影响力的学术盛会之一。会议关注高质量肿瘤研究及创新研究,聚焦肿瘤领域热点,汇集最前沿进展和科研成果。第115届AACR年会将于美国东部时间2024年4月5~10日在美国举行。【肿瘤资讯】精选人工智能领域相关研究,编译如下。


AI-derived predictions improve identification of real-world cancer driver mutations


基于人工智能衍生的预测正在改善现实世界中癌症驱动突变的识别


摘要号:1252

讲者/第一作者:T. N. Tran Memorial Sloan Kettering Cancer Center, New York, NY

 

人工智能变异效应预测器(VEPs)如AlphaMissense,基于AlphaFold的蛋白质结构预测方法,因其预测突变致病效应的潜力而受到广泛关注。然而,这些方法在癌症中识别致病突变的实用性尚不清楚。 

为了量化泛癌种、多机构AACR GENIE队列中未知意义变异(VUSs)的普遍性,并测试VEPs(包括SIFT、PolyPhen、MutationAssessor、REVEL、CADD和AlphaMissense)的实用性,研究者使用了每个方法公开可用的突变注释。研究主要关注三个方面:1)在GENIE队列中注释已知的致病体细胞癌症变异,使用已知良性的单核苷酸多态性作为阴性对照;2)在两个非小细胞肺癌(NSCLC)患者队列中识别与总生存期(OS)相关的VUSs,包括MSK-IMPACT NCSLC(N=8,690)和非MSK AACR GENIE Biopharma Collaborative NSCLC(N=977)队列;3)在MSK-IMPACT NSCLC队列中识别与已知基因组互斥模式相关的VUSs。

在GENIE队列中,根据FDA认可的分子知识数据库,79%的已识别突变被归类为VUSs,这些VUSs在不同基因中的频率差异很大。在没有先验人类注释知识的情况下训练的VEPs中,CADD和AlphaMissense在预测已知癌症驱动基因方面的AUROC最高(分别为0.940,95%CI 0.937-0.943和0.917,95%CI 0.913-0.922),这展示了蛋白质结构建模或功能基因组数据在增强癌症驱动基因预测能力方面的力量。所有VEPs在识别已知的肿瘤抑制基因驱动突变方面比在识别癌基因方面更为准确,这突显了识别功能增强突变的挑战。

研究者还测试了VEPs重新分类为致病的VUSs是否与预后相关,使用了治疗加权Cox倾向风险模型的逆概率控制肿瘤突变负担、治疗历史和其他因素。由AlphaMissense和其他VEPs重新分类为致病的KEAP1和SMARCA4中的VUSs与更差的OS相关,与这些基因中已知的致癌突变相当。含有被注释为良性的VUSs的肿瘤患者的OS与没有相应驱动基因突变的患者相似。最后,AlphaMissense在RTK/RAS和NRF2通路中的基因中重新分类为致癌的VUSs遵循了预期的互斥模式,进一步表明了其生物学有效性。

尽管AI衍生的突变注释没有经过训练来预测癌症中的体细胞效应,但它们可以扩大癌症中注释的致病变异的范围,并有助于更全面地理解癌症遗传学。在评估VEPs在癌症中的实用性时,应考虑实际的治疗结果和变异模式作为额外的基准。



责任编辑:肿瘤资讯-云初
排版编辑:肿瘤资讯-云初



评论
04月08日
沙鸥
金乡县人民医院 | 肿瘤科
人工智能
04月06日
颜昕
漳州市人民医院 | 肿瘤科
癌症驱动突变的识别