HO CHI MINH, VIETNAM – Media OutReach Newswire – Gene Solutions, une société pionnière en matière de tests génétiques en Asie du Sud-Est, est heureuse d’annoncer la publication d’une nouvelle étude évaluée par des pairs validant les capacités analytiques de sa méthylation spécifique aux tumeurs innovante et basée sur l’IA. Atlas (TSMA) .
L’étude a été publiée dans le BMC Journal of Translational Medicine : « Détection du tissu d’origine (TOO) pour les tumeurs cancéreuses à l’aide d’un échantillonnage de cfDNA à faible profondeur via une combinaison d’un atlas de méthylation spécifique à la tumeur et d’une densité de méthylation à l’échelle du génome dans des réseaux neuronaux convolutifs graphiques » , détaille le processus de validation analytique qui exploite l’intelligence artificielle avancée pour fournir des prédictions précises et fiables de l’origine des tumeurs dans la détection précoce de plusieurs cancers.
Tout d’abord, l’équipe bioinformatique de Gene Solutions a utilisé le séquençage au bisulfite du génome entier (WGBS) sur cinq types de tissus tumoraux (cancer du sein, colorectal, gastrique, hépatique et du poumon) et des globules blancs appariés (WBC) pour créer un atlas de méthylation spécifique à la tumeur. (TSMA), dans laquelle 2 945 régions CpG ont été trouvées entre les types de tumeurs et les WBC. L’équipe a ensuite appliqué un modèle d’apprentissage profond de Graph Convolutional Neural Network qui combine les scores de déconvolution de TSMA avec d’autres fonctionnalités pour obtenir une meilleure précision de la prédiction de l’origine de la tumeur dans un ensemble de données de validation de 239 échantillons d’ADNc à faible profondeur.
En améliorant la précision de l’identification des tumeurs grâce à des méthodes basées sur l’IA, cette recherche est très prometteuse lorsqu’elle est appliquée à des tests de détection précoce multi-cancers :
Précision des données améliorée : Cette combinaison a démontré des performances exceptionnelles dans l’identification précise de la tumeur d’origine, en particulier jusqu’à 100 %, 98 % et 93 % pour les cancers du sein, du foie et colorectal, respectivement.
Profondeur de séquençage réduite : en disposant d’un atlas de guidage, l’équipe R&D peut optimiser la profondeur de séquençage requise pour l’identification des tumeurs, la rendant ainsi plus efficace et plus rentable. Cette réduction de la profondeur de séquençage accélère non seulement l’obtention des résultats, mais permet également d’économiser des ressources coûteuses de séquençage de nouvelle génération.
Ressources d’analyse optimisées : les approches basées sur l’IA optimisent l’utilisation des ressources informatiques, réduisant ainsi le coût global et le temps requis pour l’analyse des tumeurs. Cette optimisation constitue une étape importante pour rendre l’analyse avancée de l’ADN tumoral circulant accessible et abordable pour les prestataires de soins de santé et les patients.
Dr. Minh Duy Phan, auteur principal de l’étude, a commenté : « La validation analytique du nouvel atlas de méthylation des tumeurs et de l’algorithme d’apprentissage profond marque une étape importante dans l’analyse de l’ADN tumoral circulant pour la détection précoce des signaux de cancer. En exploitant la puissance de l’IA, nous améliorons la précision et l’efficacité de la technologie de détection précoce de plusieurs cancers pour une utilisation dans le monde réel.
Développement futur :
Avec le développement ultérieur de notre équipe de données, Gene Solutions s’engage à étendre les capacités de TSMA. Les efforts de recherche et développement en cours visent à permettre une analyse et une mise en œuvre de meilleure qualité dans la pratique réelle afin de réduire les coûts des tests, garantissant ainsi que les outils de dépistage du cancer de pointe sont à la portée des personnes recommandées dans le monde entier.
Pour des informations plus détaillées sur cette étude et TSMA, veuillez visiter
Référence:
Nguyen, TH, Doan, NNT, Tran, TH et al. Détection du tissu d’origine des tumeurs cancéreuses à l’aide d’échantillons d’ADNlc de faible profondeur grâce à la combinaison d’un atlas de méthylation spécifique à la tumeur et d’une densité de méthylation à l’échelle du génome dans des réseaux neuronaux convolutionnels graphiques. J Transl Med 22, 618 (2024), doi : 10.1186/s12967-024-05416-z
2024-08-10 07:57:54
1723266961
#Gene #Solutions #annonce #publication #dune #étude #révolutionnaire #sur #latlas #méthylation #spécifique #aux #tumeurs #piloté #par #lIA
