DOI: https://doi.org/10.1038/s41467-025-57216-8
PMID: https://pubmed.ncbi.nlm.nih.gov/37546907
تاريخ النشر: 2025-03-10
المؤلف: Zhenyun Du وآخرون
الموضوع الرئيسي: الجينوميات السرطانية والتشخيصات
نظرة عامة
تسلط الأبحاث الضوء على قضية حاسمة في مجموعات البيانات الجينومية، التي تعكس بشكل أساسي السكان الأوروبيين، مما يؤدي إلى تفاوتات كبيرة في فهم الأمراض البشرية ونتائج العلاج. لمعالجة هذا التفاوت، يقدم المؤلفون PhyloFrame، وهو نهج مبتكر في التعلم الآلي مصمم لتعزيز الطب الدقيق الجينومي من خلال تصحيح التحيز السلفي. يحقق PhyloFrame ذلك من خلال دمج شبكات التفاعل الوظيفية الخاصة بالأنسجة على نطاق واسع، وبيانات تنوع السكان العالمية، ومعلومات النسخ الجيني ذات الصلة بالأمراض.
تظهر تطبيقات PhyloFrame على سرطانات الثدي والغدة الدرقية والرحم تحسينات كبيرة في دقة التنبؤ عبر أصول متنوعة، وتقليل الإفراط في ملاءمة النموذج، وزيادة احتمال تحديد الجينات المعروفة المرتبطة بالسرطان. ومن الجدير بالذكر أن الطريقة تعزز بشكل كبير قدرات التنبؤ للسكان غير الممثلين، مما يظهر إمكانيات الذكاء الاصطناعي في تخفيف التحيز السلفي في الأبحاث الجينومية وتعزيز التمثيل العادل في الدراسات الطبية.
مقدمة
تسلط المقدمة الضوء على التقدم في الموارد الجينومية لتحليل الأمراض، لا سيما من خلال مبادرات مثل أطلس جينوم السرطان (TCGA) وغيرها، التي ساهمت بشكل كبير في مجال الطب الدقيق وعلاج السرطان. ومع ذلك، تشير إلى نقص حاسم: تمثل هذه القواعد البيانية بشكل أساسي الأصول الأوروبية، حيث يتكون دليل GWAS من 95% من العينات الأوروبية، على الرغم من أن الأوروبيين يشكلون أقل من 9% من السكان العالميين. أدى هذا النقص في التنوع إلى تفاوتات في فعالية الطب الدقيق عبر مجموعات عرقية مختلفة، مما يكشف عن عدم عدالة كبيرة في تطبيق الأساليب الطبية المتقدمة لعلاج السرطان والاضطرابات الجينية.
لمعالجة هذه القضية، يقدم المؤلفون PhyloFrame، وهو أول إطار تعلم آلي عادل مدرك للأصول للنسخ الجيني. يدمج PhyloFrame معلومات الأصول لتطوير توقيعات مرضية عادلة تحافظ على أداء عالٍ عالميًا، حتى عند التدريب على مجموعات بيانات تفتقر إلى التنوع. يوفر هذا الإطار بديلاً عمليًا للجهود الكبيرة في التسلسل اللازمة لتحديد الجينات المسببة للأمراض في السكان غير الممثلين، كما يستفيد أيضًا من معلومات هيكل السكان لتعزيز تحديد التباينات الخاصة بالسكان. يوضح المؤلفون أن PhyloFrame يحسن القدرة التنبؤية في ثلاثة أنواع مختلفة من السرطان (الثدي والغدة الدرقية والرحم) ضمن TCGA، مما يفيد بشكل خاص الأفراد من الأصول غير الممثلة ويمهد الطريق لمزيد من الطب الدقيق العادل.
الطرق
يستعرض قسم “المواد والطرق” تصميم التجربة والإجراءات المستخدمة في الدراسة. يوضح المواد المستخدمة، بما في ذلك الكواشف المحددة، والمعدات، وأي عينات بيولوجية، مما يضمن إمكانية تكرار التجارب. يتم وصف المنهجية خطوة بخطوة، مع تسليط الضوء على التقنيات المستخدمة لجمع البيانات وتحليلها، مثل الاختبارات الإحصائية أو النماذج الحسابية المطبقة لتفسير النتائج.
بالإضافة إلى ذلك، قد يناقش القسم الظروف التجريبية، بما في ذلك الضوابط والمتغيرات، لتأسيس موثوقية النتائج. بشكل عام، يعد هذا القسم أساسًا حاسمًا لفهم كيفية إجراء البحث وصلاحية الاستنتاجات المستخلصة من البيانات.
النتائج
في تحليل أداء النموذج عبر مجموعات سكانية مختلفة، أظهر نموذج PhyloFrame دقة متفوقة مقارنة بالصدفة العشوائية في عينات غانية وإثيوبية، مع قيم استرجاع متوسطة تبلغ 0.64 و0.78، على التوالي، متجاوزة استرجاع النموذج المرجعي البالغ 0.62 و0.70. ومع ذلك، في مجموعة التحقق من الأمريكيين الأفارقة، كانت القيمة المتوسطة لاسترجاع نموذج PhyloFrame 0.42، أقل قليلاً من 0.47 للنموذج المرجعي، مما يشير إلى أداء أكثر قابلية للمقارنة بين النموذجين في هذه الفئة السكانية.
تسلط الدراسة الضوء على التحديات في التنبؤ بدقة بأنواع سرطان الثدي بسبب تعقيدات الأصول، لا سيما في عينات الأمريكيين الأفارقة، حيث أظهر كلا النموذجين تباينًا عاليًا في الأداء (استرجاع وسطي يبلغ 0.56). قد يتأثر هذا التباين باختلافات في فترات جمع العينات والفئات العمرية، حيث كانت عينات الأمريكيين الأفارقة ذات متوسط عمر أعلى بكثير (68 عامًا) مقارنة بالغانية (48 عامًا) والإثيوبية (41 عامًا)، بالإضافة إلى عينات TCGA BRCA (58 عامًا). تشير النتائج إلى أن الرابط الجوهري بين أنواع سرطان الثدي والأصول، لا سيما انتشار النوع الأساسي في الأمريكيين الأفارقة، يعقد جهود النمذجة التنبؤية.
المناقشة
تسلط المناقشة الضوء على التأثير الكبير لتنوع السكان العالمي على علم الجينوم للأمراض، لا سيما في علاج السرطان. تؤكد أنه بينما تظهر البشر تشابهًا جينوميًا ساحقًا، يختلف التنوع الجيني، حيث تظهر السكان الأفارقة أعلى مستويات. هذا التنوع ضروري لفهم القابلية للإصابة بالأمراض وعرضها، وكذلك لتطوير علاجات فعالة للسرطان. تشير الورقة إلى التحديات التي تطرحها تحيزات الاكتشاف في الدراسات الجينومية، لا سيما في دراسات الارتباط على مستوى الجينوم (GWAS) ونماذج النسخ، حيث يؤدي نقص تمثيل بعض الأصول إلى تفاوتات في أداء النموذج. يدعو المؤلفون إلى دمج بيانات جينومية متنوعة لتعزيز الطب الدقيق، مؤكدين على ضرورة مراعاة التباين الجيني الخاص بالسكان.
يهدف إدخال PhyloFrame، وهو إطار ذكاء اصطناعي عادل، إلى معالجة هذه التفاوتات من خلال تعديل توقيعات الأمراض بناءً على التباين الجيني على مستوى السكان. يسمح هذا النهج بإنشاء توقيعات مرضية مدركة للأصول تتعمم عبر السكان، حتى أولئك غير الممثلين في مجموعات البيانات الحالية. يوضح المؤلفون أن PhyloFrame يحسن الأداء التنبؤي في تصنيف أنواع السرطان، لا سيما للأصول غير الممثلة، من خلال استخدام تردد الأليل المعزز (EAF) لتحديد المتغيرات الجينية الخاصة بالأصول. تشير النتائج إلى أن PhyloFrame لا يعزز فقط استقرار النموذج ويقلل من الإفراط في الملاءمة، بل يوفر أيضًا إطارًا أكثر عدالة للطب الدقيق، مما يضمن استفادة جميع السكان من التقدم في الأبحاث الجينومية. تمثل هذه العمل خطوة حاسمة نحو معالجة عدم المساواة في علاج السرطان والطب الدقيق، داعيًا إلى جمع بيانات جينومية أوسع ودمجها لدعم السكان المتنوعين.
DOI: https://doi.org/10.1038/s41467-025-57216-8
PMID: https://pubmed.ncbi.nlm.nih.gov/37546907
Publication Date: 2025-03-10
Author(s): Zhenyun Du et al.
Primary Topic: Cancer Genomics and Diagnostics
Overview
The research highlights a critical issue in genomic datasets, which predominantly reflect European populations, resulting in significant inequities in understanding human diseases and therapeutic outcomes. To address this disparity, the authors introduce PhyloFrame, a pioneering machine learning approach designed to enhance genomic precision medicine by correcting for ancestral bias. PhyloFrame achieves this by integrating large-scale tissue-specific functional interaction networks, global population variation data, and disease-relevant transcriptomic information.
The application of PhyloFrame to breast, thyroid, and uterine cancers demonstrates substantial improvements in predictive accuracy across diverse ancestries, reduced model overfitting, and an increased likelihood of identifying known cancer-related genes. Notably, the method significantly enhances prediction capabilities for underrepresented populations, showcasing the potential of artificial intelligence to alleviate ancestral bias in genomic research and promote equitable representation in medical studies.
Introduction
The introduction highlights the advancements in genomic resources for disease analysis, particularly through initiatives like The Cancer Genome Atlas (TCGA) and others, which have significantly contributed to the field of precision medicine and cancer treatment. However, it points out a critical shortcoming: these databases predominantly represent European ancestries, with the GWAS Catalog comprising 95% European samples, despite Europeans constituting less than 9% of the global population. This lack of diversity has led to disparities in the effectiveness of precision medicine across different ethnic groups, revealing a significant inequity in the application of advanced medical approaches for cancer and genetic disorders.
To address this issue, the authors introduce PhyloFrame, the first ancestry-aware equitable machine learning framework for transcriptomics. PhyloFrame integrates ancestry information to develop equitable disease signatures that maintain high performance globally, even when trained on datasets lacking diversity. This framework not only provides a practical alternative to extensive sequencing efforts needed to identify disease-driving genes in underrepresented populations but also leverages population structure information to enhance the identification of population-specific variations. The authors demonstrate that PhyloFrame improves predictive capacity in three diverse cancers (breast, thyroid, and uterine) within the TCGA, particularly benefiting individuals from underrepresented ancestries and paving the way for more equitable precision medicine.
Methods
The “Materials and Methods” section outlines the experimental design and procedures employed in the study. It details the materials used, including specific reagents, equipment, and any biological samples, ensuring reproducibility of the experiments. The methodology is described step-by-step, highlighting the techniques for data collection and analysis, such as statistical tests or computational models applied to interpret the results.
Additionally, the section may discuss the experimental conditions, including controls and variables, to establish the reliability of the findings. Overall, this section serves as a critical foundation for understanding how the research was conducted and the validity of the conclusions drawn from the data.
Results
In the analysis of model performance across various populations, the PhyloFrame model demonstrated superior accuracy compared to random chance in Ghanaian and Ethiopian samples, with mean recall values of 0.64 and 0.78, respectively, surpassing the benchmark model’s recall of 0.62 and 0.70. However, in the African American validation set, the PhyloFrame model’s mean recall was 0.42, slightly lower than the benchmark’s 0.47, indicating a more comparable performance between the two models in this demographic.
The study highlights the challenges in accurately predicting breast cancer subtypes due to the complexities of ancestry, particularly in African American samples, where both models exhibited high variability in performance (median recall of 0.56). This variability may be influenced by differences in sample collection periods and age demographics, as the African American samples had a significantly higher average age (68 years) compared to the Ghanaian (48 years) and Ethiopian (41 years) samples, as well as the TCGA BRCA samples (58 years). The findings suggest that the intrinsic link between breast cancer subtypes and ancestry, particularly the Basal subtype’s prevalence in African Americans, complicates the predictive modeling efforts.
Discussion
The discussion highlights the significant impact of global population diversity on disease genomics, particularly in cancer treatment. It emphasizes that while human populations exhibit overwhelming genomic similarity, genetic diversity varies, with African populations showing the highest levels. This diversity is crucial for understanding disease susceptibility and presentation, as well as for developing effective cancer treatments. The paper points out the challenges posed by ascertainment bias in genomic studies, particularly in genome-wide association studies (GWAS) and transcription models, where underrepresentation of certain ancestries leads to disparities in model performance. The authors advocate for the integration of diverse genomic data to enhance precision medicine, underscoring the necessity of considering population-specific genetic variation.
The introduction of PhyloFrame, an equitable AI framework, aims to address these disparities by adjusting disease signatures based on population-level genetic variation. This approach allows for the creation of ancestry-aware disease signatures that generalize across populations, even those underrepresented in existing datasets. The authors demonstrate that PhyloFrame improves predictive performance in cancer subtype classification, particularly for underrepresented ancestries, by utilizing Enhanced Allele Frequency (EAF) to identify ancestry-specific genetic variants. The results indicate that PhyloFrame not only enhances model stability and reduces overfitting but also provides a more equitable framework for precision medicine, ensuring that all populations benefit from advancements in genomic research. This work represents a critical step towards addressing inequities in cancer treatment and precision medicine, advocating for broader genomic data collection and integration to support diverse populations.