cfDNA fragmentomics分析：多维片段组学方法对C

文献主要内容

以往基于液体活检早期检测进展期结直肠腺瘤(advCRA)或腺癌(CRC)的研究受到灵敏度低的限制。本文进行了一项前瞻性研究，利用cfDNA的片段组学谱（fragmentomic profles）建立一个整合模型，以准确和经济有效地检测早期CRC和advCRA。

文献思路

目前看到的几篇cfDNA的片段组学分析思路简直一模一样！我一度怀疑自己看了同一个团队的研究或者同一个研究，但是作者单位啥的又都不一样...

image-20231116203926842.png

数据情况

• 训练集合：310个样本
• 测试集合：311个样本

进行全基因组测序，分析的片段组学特征有：Fragment Size Ratio (FSR)、Fragment Size Distribution (FSD)、6bp End Motif (EDM)、Breakpoint Motif (BPM)、Copy Number Variation (CNV)。
训练模型：ensembled stacked machine learning，包括5种算法：GLM、GBM、Random Forest、Deep learning、Xgboost
数据：此处分析也进行了降采样，WGS data were down sampled to 4X coverage

image-20231116204141587.png

模型性能

• The ensembled stacked model：分类性能AUC值>0.988，而五个特征之一单一构建的模型分类性能AUC range 0.881–0.981。
• 检测advCRA/early-stage CRC 的sensitivity：The ensembled stacked model为97.4%, 95% CI 94.1–99.2%
• 6bp EDM比4bpEDM的好：the adapted 6-bp EDM feature showed higher AUC (0.981, 95% CI 0.969–0.993) than the original 4-bp end-motif feature
• FSR or FSD比original DELFI fragment pattern的好：models using FSR or FSD both had higher AUC (0.881, 95% CI 0.843–0.919; 0.892, 95% CI 0.855–0.930) than the original DELFI fragment pattern

image-20231116204820578.png

每种指标单独建模性能结果：

image-20231116211011133.png

不同测序深度下的模型结果：

image-20231116211144174.png image-20231116211347841.png

数据分析方法

• cfDNA extraction：QIAamp Circulating Nucleic Acid Kit (Qiagen)
• cfDNA concentrations：Qubit dsDNA HS Assay Kit (Thermo Fisher Scientific)
• WGS文库构建：the KAPA Hyper Prep Kit (KAPA Biosystems)，5-10 ng of cfDNA；end-repairing, A-tailing, and ligation with adapters
• 文库定量：the KAPA SYBR FAST qPCR Master Mix (KAPA Biosystems)
• 测序：双端，Illumina NovaSeq平台
• 去接头：Trimmomatic
• 比对：GRCh37/UCSC hg19、bwa
• PCR去重：Picard toolkit (http://broadinstitute.github.io/picard/)
• 最终数据的测序深度： 4.7X to 24.04X (median coverage 9.75X)
• Fragment Size Ratio (FSR)：与 DELFI定义类似，the short, intermediate and long fragments were defined as 65-150bp, 151-220bp and 221-400bp, according to the overall fragment lengths profile
• CNV：ichorCNA包
• ROC曲线：pROC package (v. 1.17.0.1)
• 敏感性、特异性等指标计算： epiR package (v 2.0.19)
• 年龄与性别的倾向得分匹配分析：MatchIt package (4 4.2.0)

文献信息

J Hematol Oncol. 2021 Oct 26;14(1):175. doi: 10.1186/s13045-021-01189-w.
Multi-dimensional fragmentomic assay for ultrasensitive early detection of colorectal advanced adenoma and adenocarcinoma