Machine Learning Detects Pan-cancer Ras Pathway Activation in The Cancer Genome Atlas.
Machine Learning Detects Pan-cancer Ras Pathway Activation in The Cancer Genome Atlas.
复制标题
DOI：
10.1016/j.celrep.2018.03.046
复制
发表时间：
2018-04-03
期刊：
影响因子：
8.8
通讯作者：
Greene CS
中科院分区：
文献类型：
--
作者：
Way GP;Sanchez-Vega F;La K;Armenia J;Chatila WK;Luna A;Sander C;Cherniack AD;Mina M;Ciriello G;Schultz N;Cancer Genome Atlas Research Network;Sanchez Y;Greene CS
精确肿瘤学使用基因组证据来匹配患者与治疗，但往往不能确定所有可能有反应的患者。这些“隐藏应答者”的转录组可能揭示应答的分子状态。我们描述并评估了一种机器学习方法来分类肿瘤中异常通路活动，这可能有助于隐藏应答者识别。该算法整合了来自癌症基因组图谱（TCGA） PanCanAtlas项目中33种不同癌症类型的RNA-seq、拷贝数和突变，以预测肿瘤中的异常分子状态。将该方法应用于Ras通路，可以检测不同癌症类型的Ras激活并识别表型复制变异。该模型在人类肿瘤上进行了训练，可以预测野生型Ras细胞系对MEK抑制剂的反应。我们还提供了数据表明，在Ras通路上的多次撞击会增加Ras活性。转录组在精确肿瘤学中未得到充分利用，与机器学习相结合，可以帮助识别隐藏的应答者。Way等人利用PanCanAtlas数据开发了一种机器学习方法来检测癌症中的Ras激活。整合突变，拷贝数和表达数据，作者表明他们的方法检测肿瘤中的ras激活变体和细胞系中MEK抑制剂的敏感性。
Precision oncology uses genomic evidence to match patients with treatment but often fails to identify all patients who may respond. The transcriptome of these “hidden responders” may reveal responsive molecular states. We describe and evaluate a machine-learning approach to classify aberrant pathway activity in tumors, which may aid in hidden responder identification. The algorithm integrates RNA-seq, copy number, and mutations from 33 different cancer types across The Cancer Genome Atlas (TCGA) PanCanAtlas project to predict aberrant molecular states in tumors. Applied to the Ras pathway, the method detects Ras activation across cancer types and identifies phenocopying variants. The model, trained on human tumors, can predict response to MEK inhibitors in wild-type Ras cell lines. We also present data that suggest that multiple hits in the Ras pathway confer increased Ras activity. The transcriptome is underused in precision oncology and, combined with machine learning, can aid in the identification of hidden responders. Way et al. develop a machine-learning approach using PanCanAtlas data to detect Ras activation in cancer. Integrating mutation, copy number, and expression data, the authors show that their method detects Ras-activating variants in tumors and sensitivity to MEK inhibitors in cell lines.
登录
查看更多内容
DOI：
10.1056/nejmoa1209288
发表时间：
2013-02-14
期刊：
The New England journal of medicine
影响因子：
--
作者：
Ho AL;Grewal RK;Leboeuf R;Sherman EJ;Pfister DG;Deandreis D;Pentlow KS;Zanzonico PB;Haque S;Gavane S;Ghossein RA;Ricarte-Filho JC;Domínguez JM;Shen R;Tuttle RM;Larson SM;Fagin JA
通讯作者：
Fagin JA
影响因子：
5.8
作者：
Bahceci, Istemi;Dogrusoz, Ugur;Schultz, Nikolaus
通讯作者：
Schultz, Nikolaus
影响因子：
--
作者：
Hsu HC;Thiam TK;Lu YJ;Yeh CY;Tsai WS;You JF;Hung HY;Tsai CN;Hsu A;Chen HC;Chen SJ;Yang TS
通讯作者：
Yang TS
DOI：
10.1056/nejmoa1605943
发表时间：
2016-12-29
期刊：
The New England journal of medicine
影响因子：
--
作者：
Dombi E;Baldwin A;Marcus LJ;Fisher MJ;Weiss B;Kim A;Whitcomb P;Martin S;Aschbacher-Smith LE;Rizvi TA;Wu J;Ershler R;Wolters P;Therrien J;Glod J;Belasco JB;Schorry E;Brofferio A;Starosta AJ;Gillespie A;Doyle AL;Ratner N;Widemann BC
通讯作者：
Widemann BC
影响因子：
64.8
作者：
Bild, AH;Yao, G;Nevins, JR
通讯作者：
Nevins, JR