SALMON: Análisis de Supervivencia Aprendiendo con Redes Neuronales Multi-Ómicas sobre Cáncer de Mama

Mejorar el pronóstico del cáncer es un objetivo central de la medicina de salud de precisión. Aunque muchos modelos pueden predecir la supervivencia diferencial a partir de datos, existe una fuerte necesidad de algoritmos sofisticados que puedan agregar y filtrar predictores relevantes de entradas de datos cada vez más complejas. A su vez, estos modelos deberían proporcionar una comprensión más profunda sobre qué tipos de datos son más relevantes para mejorar el pronóstico. Las redes neuronales basadas en Deep Learning ofrecen una solución potencial para ambos problemas porque son altamente flexibles y tienen en cuenta la complejidad de los datos de manera no lineal. En este estudio, implementamos redes basadas en Deep Learning para determinar cómo los datos de expresión genética predicen la supervivencia en la regresión de Cox en el cáncer de mama. Logramos esto a través de un algoritmo llamado SALMON (Análisis de Supervivencia Aprendiendo con Redes Neuronales Multi-Ómicas), que agrega y simplifica los datos de expresión genética y biomarcadores de cáncer para permitir la predicción del pronóstico. Los resultados revelaron un rendimiento mejorado cuando se utilizaron más datos ómicos en la construcción del modelo. En lugar de usar valores brutos de expresión genética como entradas del modelo, innovamos al utilizar módulos de eigengene resultado del análisis de red de coexpresión genética. Los módulos de coexpresión de alto impacto y otros datos ómicos fueron identificados mediante técnicas de selección de características, luego se examinaron realizando análisis de enriquecimiento y explotando funciones biológicas, elevando la interpretación de la característica de entrada del nivel genético al nivel de módulos de coexpresión. Nuestro estudio muestra la factibilidad de descubrir módulos de coexpresión relacionados con el cáncer de mama, esbozando un plan para futuros esfuerzos en el análisis de supervivencia basado en Deep Learning. El código fuente de SALMON está disponible en https://github.com/huangzhii/SALMON/.