纯生信，6张图8分+！cfDNA甲基化+生信分析挖掘生物标志物+机器学习算法构建分类器
目前中科院认可的期刊越来越少，数据挖掘的不够充分是达不到优质期刊的门槛儿的。今天教大家纯生信分析方法挖掘生物标志如何发高分。
小谷今天又找到一篇挖掘生物标志的高分文章，该文使用了基因组学、生物信息学和统计学分析以及机器学习分析的方法 (ps:之前已经小谷介绍过一篇联合分析的，今天又来啦！)。今天这篇没有取交集的操作，非常硬核的生信挖掘，只是使用机器学习算法构建了个分类器，用的数据集不多，为新的药物研发以及转移性疾病的临床治疗等方面提供了有力支持。
题目：cfDNA甲基化作为SWOG S1314肌层浸润性膀胱癌患者新辅助化疗反应的预测生物标志物
杂志：European Urology Oncology
影响因子：IF=8.208
发表时间：2023年4月
研究背景
新辅助化疗(Neoadjuvant chemotherapy, NAC)是肌层浸润性膀胱癌(Muscle invasive Bladder Cancer, MIBC)的标准治疗。然而，治疗强度大，总体效益小，因此需要有效的生物标志物来确定收益。
数据来源
研究思路
作者首先72 名患者中采集了血液样本，通过Infinium MethylationEPIC BeadChip平台进行DNA甲基化水平分析，并结合随机森林模型(Random Forest, RF)和Elastic Net进行分类器构建。通过在基线信息中添加治疗数据来构建mR-score(methylation-based response score)，预测NAC的响应概率，并确定了一种结合mR-score和循环膀胱DNA fraction的风险分层模型，以预测NAC响应。
主要结果
1.样本采集流程以及患者特征作者使用S1314中73名患者的pre-NAC blood，这些患者在试验中接受了基于顺铂NAC，随后进行了膀胱切除术以确定他们在试验中的病理反应如图1所示。图1也总结了临床病理特征。所有特征（性别、年龄、临床分期、体能状态和cfDNA(cell-free DNA)浓度）均与病理反应显着相关。
2.使用mR-score评估NAC反应生物标志物
作者选择DML(differentially methylated loci)在DMR(differentially methylated regions)中的NR中甲基化程度较低的DML作为机器学习的starting point。使用NR(less methylated in NR, lmNR)DML中甲基化程度较低的前500个，我们发现t分布随机邻域嵌入(t-distributed stochastic neighbor embedding, tSNE)图将Rs聚集在远离NR的位置（图2A）。随后使用重采样程序来计算每个样本的mR-scores。该mR-scores通过比较Rs和NRs之间的甲基化特征进行训练，旨在预测NRs的概率。因此，高mR-scores与无反应相关，而低mR-scores与反应相关。作者首先创建了十个随机选择的62个样本训练集，其中不包含感兴趣的患者。在训练集中选择DML并用于训练RF模型。每个训练模型都提供一个预测分数，每个患者的mR-scores被确定为十个训练模型的预测分数的中值。使用RF模型预测R与NR，获得了接受者操作特征(ROC)曲线下面积(AUC)为0.636。还观察到渐进相关性，中位mR-scores在CR中最低，在PR中较高，在NR中最高（图2B）。进一步观察到两种化疗方案具有相似的预测能力（图2C）作者还使用了ElasticNet（机器学习算法模型），构建分类器并获得相似的结果。在mR-scores和基于弹性网络的预测分数之间观察到很强的相关性（图2D）
3.治疗中期的 mR-scores与反应相关作者对57个治疗样本的cfDNA甲基化数据进行了分析，并使用在72个预处理样本上训练过的RF模型分配了mR-scores。治疗中期mR-scores的表现略好，AUC为0.720。治疗前和治疗中mR-scores之间也存在显着相关性（图3A）。同样，根据mR-scores观察到对两种化疗方案的相似预测能力（图3B）。
4. 使用循环膀胱 DNA fraction和 mR-scores预测 NAC 反应的组合风险分层模型作者用基于组织特异性甲基化模式估计cfDNA(circulating tumor DNA)组织来源相对流行率的方法(ps:他人的研究基础)计算循环膀胱DNA fraction，并可以作为膀胱ctDNA的替代指标。比较来自CR、PR和NR的样本中的循环膀胱DNA fraction时，观察到循环膀胱DNA fraction逐渐增加（图4A）。在Rs中，84%的循环膀胱DNA<1.11%，结果表明低循环膀胱DNA对识别NACRs具有高敏感性。观察到循环膀胱DNA fraction与治疗前mR-scores之间没有线性相关性（图4B）。鉴于这两个候选生物标志物相互独立，作者提出并测试了一种风险分层模型，该模型结合了治疗前循环膀胱DNA fraction和mR-scores，然后结合治疗中的mR-scores对中度风险患者进行分层，之后作者选择Youden指数作为这三项指标的临界值，并根据患者相对于这些临界值的测试值将患者分配到风险组（图4C-E）。在该队列中，所提出的模型的总体预测准确性为79%。
文章小结
这篇文章篇幅不长，研究的点很好，主要亮点就是给出血浆cfDNA甲基化法的应用案例，为新的药物研发以及转移性疾病的临床治疗等方面提供了有力支持。 (ps：在他人的研究基础上找出研究方向)。有一个好的研究目标非常重要，机器学习算法构建分类器也是常规操作了。(ps：未来小谷还会推送相关的文章赶快关注小谷吧！)
