胸外科研究热点:整合基因组特征无创早期肺癌检测 发布时间:2020-04-21 16:49:48  点击:215次

美国加利福尼亚州斯坦福大学癌症研究所的一项研究中报道了一种被称为“Lung-CLiP”的肺癌筛查方法,该方法对样本的cfDNA型风险匹配,将早期肺癌患者与对照区分开,实现与循环肿瘤DNA(ctDNA)检测相似的性能,并能够调整检测特异性以促进特异性的临床检测应用。


美国加利福尼亚州斯坦福大学癌症研究所的一项研究中报道了一种被称为“Lung-CLiP”的肺癌筛查方法,该方法对样本的cfDNA型风险匹配,将早期肺癌患者与对照区分开,实现与循环肿瘤DNActDNA)检测相似的性能,并能够调整检测特异性以促进特异性的临床检测应用。

Lung-CLiP模型是一个集成分类框架,使用邻近算法(KNN),令K=5(即5NN),K=3(即3NN);朴素贝叶斯(naive Bayes);逻辑回归(logistic regression);决策树(decision tree)的分类规则,组成SNV模型和CNV模型。SNV模型利用半监督学习框架进行弹性净逻辑回归模型分析,在肺癌患者中区分肿瘤判定变体盒非判定变体,用于标记未匹配肺癌的变体,并对所有检测样本进行变体分配,变体分配后执行“患者特征SNV”总结每个样本的变体得分,最终通过弹性净逻辑回归模型区分肺癌患者及非肺癌患者。CNV模型通过将5-MB区域和GISTIC区域两个注释表对基因组的变化区域进行富集,并体现在NSCLC数据中。最终将两组模型结果进行整合输出。



该方法改善了肺癌的个性化分析,体现了cfDNA在癌症筛查中的潜在价值,强调了基于cfDNA的筛查研究中风险匹配案例和对照的重要性。


(编辑:editor)