CiberSortを介して腫瘍浸潤リンパ球プロファイルを分析することにより、口腔がんの新しい深部学習ベースの生存予測

口腔癌（ORCA）における粘膜腫瘍組織内の腫瘍微小環境（TME）は、腫瘍浸潤リンパ球（TIL）の影響を大きく受けます。ここでは、ORCAデータのCiberSortプロファイルを使用してクラスタリング方法を実行しました。これは、がんゲノムアトラス（TCGA）の頭頸部がんの患者の公的にアクセス可能なデータからフィルタリングされ、患者がバイナリリスクグループに基づいてバイナリリスクグループに再編成された階層クラスタリングを使用して実行されました。クラスタリング測定スコアと個々のグループに関連する生存パターン。この分析に基づいて、臨床的に合理的な違いは、グループ間の22フィロの画分のうち16で特定されました。ディープニューラルネットワーク分類器は、ティル分数パターンを使用して訓練されました。この内部で検証された分類器は、国際がんゲノムコンソーシアムデータポータルの別の個々のORCAデータセットで使用され、患者の生存パターンが正確に予測されました。2つのリスクグループ間で7つの一般的な差次的に発現した遺伝子が得られました。この新しいアプローチは、TMEにおけるTILSの重要性を確認し、癌予後のための新しい深部学習アプローチを使用する方向を提供します。

The tumor microenvironment (TME) within mucosal neoplastic tissue in oral cancer (ORCA) is greatly influenced by tumor-infiltrating lymphocytes (TILs). Here, a clustering method was performed using CIBERSORT profiles of ORCA data that were filtered from the publicly accessible data of patients with head and neck cancer in The Cancer Genome Atlas (TCGA) using hierarchical clustering where patients were regrouped into binary risk groups based on the clustering-measuring scores and survival patterns associated with individual groups. Based on this analysis, clinically reasonable differences were identified in 16 out of 22 TIL fractions between groups. A deep neural network classifier was trained using the TIL fraction patterns. This internally validated classifier was used on another individual ORCA dataset from the International Cancer Genome Consortium data portal, and patient survival patterns were precisely predicted. Seven common differentially expressed genes between the two risk groups were obtained. This new approach confirms the importance of TILs in the TME and provides a direction for the use of a novel deep-learning approach for cancer prognosis.