Modèles de réseaux de neurones convolutionnels pour la prévision du type de cancer basé sur l'expression génique

CONTEXTE : La prédiction précise des types de cancer est vitale pour le diagnostic et la thérapie du cancer. À travers un modèle prédictif, des gènes marqueurs du cancer importants peuvent être inférés. Plusieurs études ont tenté de construire des modèles d'apprentissage automatique pour cette tâche, cependant, aucune n'a pris en compte les effets du tissu d'origine qui peuvent potentiellement biaiser l'identification des marqueurs du cancer. RÉSULTATS : Dans cet article, nous avons introduit plusieurs modèles de Réseaux de Neurones Convolutionnels (CNN) qui prennent en entrée des données d'expression génique non structurées pour classer les échantillons tumoraux et non tumoraux dans leurs types de cancer désignés ou comme normaux. Basés sur différentes conceptions d'incorporations géniques et de schémas de convolution, nous avons mis en œuvre trois modèles de CNN : 1D-CNN, 2D-Vanilla-CNN, et 2D-Hybrid-CNN. Les modèles ont été entraînés et testés sur des profils d'expression génique de 10 340 échantillons combinés de 33 types de cancer et de 713 tissus normaux appariés issus de The Cancer Genome Atlas (TCGA). Nos modèles ont atteint d'excellentes précisions de prédiction (93,9-95,0 %) parmi 34 classes (33 cancers et normal). De plus, nous avons interprété l'un des modèles, le modèle 1D-CNN, avec une technique de salience guidée et identifié un total de 2090 marqueurs de cancer (108 par classe en moyenne). La concordance de l'expression différentielle de ces marqueurs entre le type de cancer qu'ils représentent et d'autres est confirmée. Dans le cancer du sein, par exemple, notre modèle a identifié des marqueurs bien connus, tels que GATA3 et ESR1. Enfin, nous avons étendu le modèle 1D-CNN pour la prédiction des sous-types de cancer du sein et atteint une précision moyenne de 88,42 % parmi 5 sous-types. Les codes peuvent être trouvés à l'adresse https://github.com/chenlabgccri/CancerTypePrediction. CONCLUSIONS : Ici, nous présentons de nouvelles conceptions de CNN pour une prévision précise et simultanée des cancers/normaux et des types de cancer basés sur des profils d'expression génique, et un schéma d'interprétation de modèle unique pour élucider la pertinence biologique des gènes marqueurs du cancer après avoir éliminé les effets du tissu d'origine. Le modèle proposé a peu d'hyperparamètres à entraîner et peut donc être facilement adapté pour faciliter le diagnostic du cancer à l'avenir.