다양한 오믹스 데이터의 결정 레벨 통합을 통한 유방암 환자의 전체 생존 예측을 위한 번역 파이프라인

유방암은 여성에서 가장 흔하고 가장 치명적인 암 중 하나입니다. 유방암 환자의 생존율은 매우 다양하여 예후 바이오마커를 식별할 필요성이 있음을 나타냅니다. 다중 오믹스 데이터(예: 유전자 발현, DNA 메틸화, miRNA 발현 및 복제 수 변이(CNV))를 통합함으로써 단일 양상 데이터를 사용할 때보다 환자의 생존 예측 정확도를 향상시킬 수 있을 것으로 예상됩니다. 따라서 우리는 The Cancer Genome Atlas (TCGA)에서 얻은 다중 오믹스 종양 데이터의 결정 레벨 통합을 사용하여 유방암 환자의 전체 생존을 예측하는 머신 러닝 파이프라인을 개발할 것을 제안합니다. 유전자 발현, 메틸화, miRNA 발현 및 CNV로 구성된 다중 오믹스 데이터로, 최상위 성능 모델은 85%의 정확도와 87%의 곡선 아래 면적(AUC)로 생존을 예측했습니다. 더욱이, 이 모델은 예측 성능에 가장 잘 기여하는 양상이 무엇인지 식별할 수 있었으며, 메틸화, miRNA, 유전자 발현이 최상의 통합 분류 조합으로 확인되었습니다. 우리의 방법은 문헌에서 보고된 여러 유방암 특이적 예후 바이오마커를 재현했을 뿐만 아니라, 여러 새로운 바이오마커도 생성했습니다. 이러한 바이오마커에 대한 추가 분석은 생존율 저하로 이어지는 분자 메커니즘에 대한 통찰을 제공할 수 있습니다.