新型机器学习算法创建具有通用诊断平台潜力的癌症图谱

在儿童癌症和成人癌症的首次广泛比较中，病童医院(SickKids)的研究人员分析了13000种单独的癌症，并使用一种新的机器学习算法构建了儿科癌症的“图谱”。

据估计，全世界每年有1810万人对癌症进行诊断，主要依靠显微镜检查和对特定蛋白质的检测。这些方法的准确性是不稳定的，而且这些改进不容易在研究所之间共享。对于儿童癌症来说尤其如此，这是发达国家婴儿期后儿童最常见的疾病死亡原因。

“随着全球癌症负担的增加，除非开发出新的方法，否则癌症诊断的复杂性预计将会增加，”遗传学与基因组生物学项目的高级科学家Adam Shlien博士解释说，他的团队开发了这种算法。“我们的平台可以在任何医院使用，以提高诊断癌症的速度和准确性，即使是罕见类型的癌症。”

转录组分析揭示儿童癌症的独特性

一项新研究发表在自然医学，这种机器学习算法对每一种已知的主要儿童癌症进行了分类，并可以为85%的儿童癌症患者改进或匹配给定的癌症诊断。

不像其他检测和诊断工具，比如癌症小组测试，它寻找基因突变特定的基因或者其他可以单独分析基因组的方法，这种机器学习算法分析一个人的整个转录组。虽然基因组由细胞中的所有DNA组成，但只有一部分遗传密码被复制成RNA分子，称为转录组。

“仅仅因为你有一个非常忙碌的癌症基因组，并不意味着一切都是开放的，”遗传学与基因组生物学项目的研究助理、该研究的第一作者Federico Comitani博士说。“通过分析完整的转录组，我们可以找到每个肿瘤的核心特征，并收集每个个体特定的癌症活动的更清晰的图像。”

除了识别癌症类型之间的显著差异外，研究团队收集的大量数据和平台提供的放大功能使研究人员能够识别出455种癌症亚型。如此多的亚型支持了一种观点，即大多数儿童癌症都有一个共同的亚型共同的祖先然后分化成多种特定的肿瘤亚型。

“我们第一次能够看到癌症亚型之间的细微差异。儿童癌症比成人癌症表现出更多的转录可变性——细胞中表达的基因数量，”Shlien说，他是加拿大儿童癌症基因组学研究主席，也是儿科检验医学部门的副主任。“这为我们提供了一种全新的方式来看待癌症，并有可能确定癌症的预后，并有可能改变我们对癌症的理解。”

分类器可以提高小儿癌症的诊断水平

作为SickKids癌症测序计划(KiCS)的一部分，该工具已经在更快、更准确地诊断癌症方面发挥了重要作用癌症患儿的综合基因测序．

在成神经细胞瘤(儿童最常见的颅外实体瘤)的病例中，该工具识别的亚型预测了肿瘤分化和患者生存的显著差异。同样，该平台的研究结果通过揭示免疫细胞的不平衡，解释了肉瘤、骨骼和软组织肿瘤对免疫治疗的不一致反应，从而提供了潜在的新治疗方法。

Shlien说:“随着我们在这个不断增长的图谱中添加更多的样本，并使用更大的数据集和样本类型来验证它，我们的分类器有潜力成为诊断儿童癌症的通用测试。”

该RNA平台目前仅被全球许多早期采用者癌症中心用于研究用途，允许医生将患者的诊断与平台识别的癌症类型进行比较，并接收数字诊断。目前正在努力将这一工具作为一个平台推广到更广泛的社区，以实现诊断测试和加速癌症药品开发。