HR-FRGS: Un nuevo protocolo de descubrimiento de biomarcadores que utiliza el aprendizaje de hipergrafos de doble capa para datos de secuenciación de ARN de NGS.

El descubrimiento de biomarcadores a partir de datos de secuenciación de ARN de alta dimensión sigue siendo un desafío. Los métodos convencionales, como el análisis de expresión diferencial, las redes de interacción proteína-proteína por pares y el análisis de redes de coexpresión génica ponderada, sufren de interacciones falsas positivas, ruido impulsado por la transitividad y umbrales arbitrarios para la selección de características. Para abordar estas limitaciones, este estudio propuso un nuevo marco, la selección de genes difusa y aproximada regularizada por hipergrafo (HR-FRGS), para el descubrimiento de biomarcadores basado en el conocimiento. Esta metodología integra la agrupación de proteínas rica en información con el filtrado de entropía y las interacciones de coexpresión podadas por PPI para formar un hipergrafo de doble capa.

Se utiliza un método de puntuación basado en hipergrafos que combina la difusión de caminata aleatoria con reinicio y la centralidad de intermediación de hipergrafos para identificar los genes que son centrales en la red biológica.

Además, una selección autónoma de conjuntos difusos y aproximados elimina la dependencia de umbrales arbitrarios para la selección de genes. HR-FRGS se aplicó a cuatro cohortes de cáncer de TCGA: adenocarcinoma de pulmón, cáncer de cabeza y cuello, carcinoma de células claras de riñón y cáncer de colon, lo que redujo más de 60.000 transcritos a paneles de biomarcadores compactos. La validación mediante algoritmos clásicos de aprendizaje automático con validación cruzada demostró que los paneles de biomarcadores igualaron o superaron el rendimiento de clasificación del transcriptoma completo (AUC > 0,99, MCC > 0,94) y confirmó la generalizabilidad (MCC ≥ 0,893). La comparación con métodos de referencia y un estudio de ablación mostraron la contribución de las partes principales del algoritmo.

El análisis de enriquecimiento funcional captura los sellos distintivos del cáncer establecidos y los mecanismos oncogénicos específicos de la cohorte, lo que confirma la relevancia biológica de los genes identificados.