CaMuS : ajustement simultané et imputation de novo de la signature mutationnelle du cancer

L'identification des processus mutationnels opérant dans les cellules tumorales a des implications pour le diagnostic et la thérapie du cancer. Ces processus laissent des motifs mutationnels sur les génomes cancéreux, appelés signatures mutationnelles. Récemment, 81 signatures mutationnelles ont été inférées à l'aide d'algorithmes computationnels sur les données de séquençage de 23 879 échantillons. Cependant, ces signatures publiées ne fournissent pas toujours une vue complète des processus biologiques sous-jacents aux types de tumeurs qui ne sont pas inclus ou sous-représentés dans les études de référence. Pour contourner ce problème, nous avons conçu CaMuS (Cancer Mutational Signatures) pour construire des signatures de novo tout en ajustant simultanément des signatures mutationnelles accessibles au public. De plus, nous proposons d'estimer la similarité des signatures en comparant des distributions de probabilité à l'aide de la distance de Hellinger. Nous avons appliqué CaMuS pour inférer des signatures de processus mutationnels dans des types de cancers peu étudiés. Nous avons utilisé des données de séquençage du génome entier de 56 neuroblastomes, fournissant ainsi des preuves de la polyvalence de CaMuS. En utilisant des données simulées, nous avons comparé la performance de CaMuS à celle de sigfit, un algorithme récemment développé avec des fonctionnalités d'inférence comparables. CaMuS et sigfit ont reconstruit les ensembles de données simulés avec une précision similaire ; toutefois, deux caractéristiques principales pourraient justifier le choix de CaMuS par rapport à sigfit : (i) une performance computationnelle supérieure et (ii) une méthode de sélection de paramètres fiable pour éviter les signatures spurielles.