Machine learning uncovers previously undetectable genetic deletions in cancer panel sequencing.

PTEN

Modèle Extreme Gradient Boosting détectant les délétions focales de PTEN et leur zygotie, manquées par l'approche CNV par intervalles de TSO500

Dans le programme d'oncologie de précision MASTERsg, les auteurs ont développé un pipeline d'apprentissage automatique de détection des délétions et d'évaluation de leur zygotie sur données de panel, centré sur le gène suppresseur de tumeur PTEN, dont la perte confère une sensibilité aux inhibiteurs de mTOR/Akt. Les pipelines standards comme TSO500 estiment les CNV par moyenne des comptages par intervalles et méconnaissent souvent les événements focaux. Un modèle d'Extreme Gradient Boosting entraîné sur des tumeurs avec délétion de PTEN et des tumeurs sauvages identifie des délétions focales manquées par TSO500 et CNVkit, associées à une perte concordante de la protéine PTEN en immunohistochimie. Le modèle détecte une délétion de PTEN dans 33 des 204 échantillons classés sauvages par TSO500 ; 75 % (15/20) des cas évaluables en immunohistochimie montrent une expression protéique absente ou réduite.

Synthèse rédigée par Geno'X. Pour l'abstract original complet, consulter la publication source.

Travail somatique sur tissu tumoral : sa portée concerne l'oncologie de précision et la recherche d'altérations ciblables, pas le diagnostic constitutionnel. Le message méthodologique dépasse PTEN : les délétions focales échappent aux approches CNV par intervalles des panels, un angle mort qui existe aussi pour les panels constitutionnels. L'abstract ne rapporte ni réponse thérapeutique chez les 33 patients reclassés, ni validation orthogonale autre que l'immunohistochimie, évaluable dans 20 cas seulement.

Analyse par Dr Thibaut Benquey