La respuesta a la quimioterapia en el cáncer colorrectal (CCR) presenta una heterogeneidad significativa, y los predictores clínicos actuales no logran capturar los complejos determinantes genómicos de la resistencia. Desarrollamos un marco híbrido de aprendizaje profundo que integra redes neuronales convolucionales (CNN) y redes de memoria a corto plazo bidireccionales (BiLSTM) para analizar las mutaciones somáticas del genoma completo, la conservación evolutiva, la accesibilidad de la cromatina y la arquitectura del genoma tridimensional en 2546 pacientes del TCGA. Un mecanismo de atención identificó las regiones genómicas predictivas. El modelo alcanzó un AUC de 0,92 (IC del 95%: 0,89-0,94) en la validación cruzada y de 0,88 (IC del 95%: 0,85-0,91) en la validación independiente, superando a los modelos clínicos (AUC = +0,18, p < 0,001).
Los principales predictores incluyeron variantes no codificantes en las regiones reguladoras de TP53, KRAS y PIK3CA. Los pacientes triple positivos (mutaciones en las 3 regiones) presentaban una supervivencia libre de progresión significativamente peor (HR = 4,7, p < 0,001). Nuestro marco permite una predicción precisa de la respuesta a la quimioterapia y revela nuevos mecanismos de resistencia no codificantes, lo que impulsa la oncología de precisión en el CCR.
La respuesta a la quimioterapia en el cáncer colorrectal (CRC) presenta una heterogeneidad significativa, y los predictores clínicos actuales no logran capturar los complejos determinantes genómicos de la resistencia. Desarrollamos un marco híbrido de aprendizaje profundo que integra redes neuronales convolucionales (CNN) y redes de memoria a corto plazo bidireccionales (BiLSTM) para analizar las mutaciones somáticas del genoma completo, la conservación evolutiva, la accesibilidad de la cromatina y la arquitectura del genoma tridimensional en 2546 pacientes del TCGA. Un mecanismo de atención identificó las regiones genómicas predictivas. El modelo alcanzó un AUC de 0,92 (IC del 95%: 0,89–0,94) en la validación cruzada y de 0,88 (IC del 95%: 0,85–0,91) en la validación independiente, superando a los modelos clínicos (ΔAUC = +0,18, p < 0,001). Los principales predictores incluyeron variantes no codificantes en las regiones reguladoras de TP53, KRAS y PIK3CA. Los pacientes triple positivos (mutaciones en las 3 regiones) presentaban una supervivencia libre de progresión significativamente peor (HR = 4,7, p < 0,001). Nuestro marco permite una predicción precisa de la respuesta a la quimioterapia y revela nuevos mecanismos de resistencia no codificantes, lo que impulsa la oncología de precisión en el CRC.
¡Aún no hay comentarios. Sé el primero en comentar!