遊離DNAメチロームに基づく汎がんグラフ学習によるがん検出

動機：遊離DNAのメチル化は、早期がん検出および組織由来予測のための、侵襲性の低いシグナルを与える。しかし、ほとんどの手法はメチル化測定を独立した固定ウィンドウ特徴として表現するため、ゲノム領域間の関係を明示的にモデル化しない。結果：我々はPANGEM（遊離DNAメチロームに基づく汎がんグラフ学習によるがん検出）を開発した。これは、ゲノムビンをノードとして表現し、CpGコンテキスト、ゲノム近接性、サンプル固有のメチル化類似性をグラフトポロジに統合するグラフ学習フレームワークである。5つの反復した層化訓練−テスト分割において、PANGEMは評価した手法の中で平均性能が最も高かった。二値のがん検出ではAUROC/AUPRが0.997/1.000、組織由来の多クラス予測ではマクロAUROC/AUPRが0.977/0.870であった。独立コホートINSPIREでは、78例中72例のがん症例（92.3%）が二値分類の閾値を超え、PANGEMは17例の頭頸部がん症例のうち9例（52.9%）を正しく分類した。これは評価した手法の中で最も高い精度である。部分ネットワーク解析により、111-DMR部分ネットワークを含む、再発的でグラフ的に連結したメチル化パターンも同定された。そこではがんサンプルでメチル化が増加していた。

https://doi.org/10.64898/2026.08.26.26361432