Nature Communications|生成式人工智能模型实现早期肺癌检测

本文链接：https://blog.csdn.net/2401_85375298/article/details/144205806

01.工作速览

液体活检有潜力通过无创早期检测肿瘤来彻底改变癌症护理。开发一个稳健的液体活检测试需要从大量患者的血液样本中收集高维数据。

2024年11月21日，加利福尼亚大学在_Nature Communications_ 在线发表题为**“Deep generative AI models analyzing circulating orphan non-coding RNAs enable detection of early-stage lung cancer”的研究论文。作者提出，变分自编码器的生成能力使学习血液生物标志物的稳健和可推广的签名成为可能。**

在这项研究中，作者分析了1050名被诊断为不同阶段非小细胞肺癌（NSCLC）的个体的血清样本中的孤儿非编码RNA（oncRNAs），以及性别、年龄和BMI匹配的对照组。作者证明多任务生成性人工智能模型Orion，在整体性能和对保留数据集的泛化能力方面，超越了常用的方法。Orion在所有阶段的癌症检测中实现了94%（95% CI: 87%-98%）的整体敏感性，在87%（95% CI: 81%-93%）的特异性下，比其他方法在保留验证数据集上的敏感性高出约30%以上。

02.匠心独运

由于促炎巨噬细胞向抗炎巨噬细胞的复极化受损，传统的骨组织工程材料难以在糖尿病期间恢复生理性骨重塑。

图1：基于oncRNA的液体活检平台和Orion架构。a 从TCGA组织数据集中发现了NSCLC oncRNAs，并在患有NSCLC的患者和非癌症对照组的血液中进行了研究。展示了一个类比，将NSCLC oncRNA指纹比作手写数字，血清oncRNA指纹比作嘈杂的模式，生成性AI嵌入比作去噪版本。在BioRender中创建。Alipanahi, B. (2024) BioRender.com/b61n795。b Orion架构需要两个输入计数矩阵，用于oncRNAs（x）和内源性表达RNAs（r）。每个输入都输入到一个标准VAE中，目标是学习在零膨胀负二项分布下的oncRNA计数的联合表示（右侧）。联合嵌入将被用于癌症推断神经网络进行分类任务（右下角）。c 在模拟数据上应用三元组边际损失的示意图。左侧面板显示了一个与标签无关的嵌入，右侧面板显示了一个带有三元组边际损失约束的嵌入，以最小化技术变化，同时保留生物学差异。对于每个样本，使用正锚（相同表型，不同数据集）和负锚（不同表型，任何数据集）来最小化或最大化嵌入距离。d 损失收敛图显示了Orion的5个损失在训练期间的收敛情况以及分类准确性。

03.卓越性能

图2：模型在训练集和验证集上的性能。a 在模型训练的10个不重叠的折叠调整集上，Orion（红色）、XGBoost（蓝色）和SVM分类器（绿色）的ROC曲线图。垂直的蓝色线显示了90%的特异性。文本显示了在90%特异性下的ROC曲线下面积和敏感性，以及95%的置信区间。b 在90%特异性下，模型对不同癌症阶段肿瘤的敏感性，分别为Orion（红色）、XGBoost（蓝色）和SVM分类器（绿色）。误差条表示95%的置信区间。条形图显示了每个类别中的样本数量。c 按T评分（大小）分层的模型敏感性，类似于（b）。d 在保留的验证数据集上的二元分类性能指标。基于在10折交叉验证训练数据集中实现90%特异性的截止值，计算了所有依赖阈值的指标（除了ROC曲线下面积）。条形高度显示了ROC曲线下面积、F1分数、Matthew相关系数（MCC）、敏感性和特异性的点估计值。e 条形图显示了前20个oncRNAs（y轴）的SHAP分数的log1p（x轴）。y轴标签表示离oncRNA最近的基因。第一行显示了接下来的20个oncRNAs（按SHAP分数排名第21至第40的oncRNAs）的总和。对于基因A，[A]表示重叠，[]A表示1千碱基对的距离，[] − A表示10千碱基对的距离，[] − − A表示100千碱基对的距离，[]表示在1兆碱基对距离内没有基因。