HRDetect [1] ( Detección de deficiencia de recombinación homóloga ) es un clasificador basado en secuenciación de genoma completo (WGS) diseñado para predecir la deficiencia de BRCA1 y BRCA2 en función de seis firmas mutacionales . Además, el clasificador puede identificar similitudes en los perfiles mutacionales de los tumores con los de los tumores con defectos de BRCA1 y BRCA2, también conocidos como BRCAness. Este clasificador se puede aplicar para evaluar la implementación de inhibidores de PARP [1] en pacientes con deficiencia de BRCA1/BRCA2. El resultado final es una probabilidad de mutación de BRCA1/2.
Los genes BRCA1 y BRCA2 desempeñan un papel crucial en el mantenimiento de la integridad del genoma, principalmente a través de la recombinación homóloga (HR) para la reparación de roturas de doble cadena del ADN (DSB). Las mutaciones de BRCA1 y BRCA2 pueden provocar una capacidad reducida de la maquinaria de HR, un aumento de la inestabilidad genómica y una predisposición a las neoplasias malignas. [2] Las personas con deficiencia de BRCA1 y BRCA2 tienen un mayor riesgo de desarrollar ciertos tipos de cáncer, como el de mama y el de ovario. Los defectos de la línea germinal en los genes BRCA1/BRCA2 representan hasta el 5 % de los casos de cáncer de mama. [1]
Los inhibidores de la poli (ADP ribosa) polimerasa (PARP) están diseñados para tratar tumores con defectos en BRCA1 y BRCA2 debido a su deficiencia de recombinación homóloga. [4] Estos medicamentos se han implementado principalmente en cánceres de mama y ovario, [5] y su eficacia clínica entre pacientes con otros tipos de cáncer, como el cáncer de páncreas, aún se está investigando. [6] Es vital identificar pacientes adecuados con deficiencia de BRCA1/BRCA2 para utilizar inhibidores de PARP de manera óptima. Los inhibidores de PARP operan según el concepto de letalidad sintética , donde causan selectivamente la muerte celular en células mutantes de BRCA mientras que preservan las células normales.
HRDetect se implementó para detectar tumores con deficiencia de BRCA1/BRCA2 utilizando los datos de la secuenciación del genoma completo. Este modelo agrega cuantitativamente seis firmas asociadas a HRD en una sola puntuación llamada HRDetect para clasificar con precisión los cánceres de mama por su estado BRCA1 y BRCA2. El algoritmo de aprendizaje automático asigna valores de peso a estas firmas antes de calcular la puntuación final. Las seis firmas, clasificadas por peso decreciente, incluyen indels mediados por microhomología, el índice HRD, firma de sustitución de bases 3, firma de reordenamiento 3, firma de reordenamiento 5 y firma de sustitución de bases 8. Además, este enfoque ponderado puede identificar BRCAness, que se refiere a fenotipos mutacionales que muestran deficiencia de recombinación homóloga similar a los tumores con defectos de la línea germinal BRCA1/BRCA2. [7]
HRDetect requiere cuatro tipos de entradas:
Se basa en un método de aprendizaje supervisado que utiliza un modelo de regresión logística Lasso para distinguir las muestras entre aquellas con y sin deficiencia de BRCA 1/2. Los coeficientes óptimos se obtienen minimizando la función objetivo.
Para tener en cuenta un alto recuento de sustituciones en las muestras, los datos genómicos primero se transforman logarítmicamente:
Luego, los datos transformados se estandarizan para que los valores de clase mutacional sean comparables, dando a cada objeto una media de 0 y una desviación estándar (DE) de 1:
Para poder distinguir entre afectados y no afectados por deficiencia de BRCA1/BRCA2, se utiliza un modelo de regresión logística lasso:
dónde:
: Estado BRCA de una muestra || y i = 1 para muestras BRCA1/BRCA2 nulas || y i = 0 en caso contrario : Intersección, interpretada como el logaritmo de las probabilidades de = 1 cuando = 0 : Vector de pesos : Número de características que caracterizan cada muestra : Número de muestras : Vector de características que caracterizan la i -ésima muestra : Penalización que promueve la escasez de los pesos : Norma L1 del vector de pesos
Los pesos β están restringidos a ser positivos para reflejar la presencia de acciones mutacionales debido a defectos de BRCA1/BRCA2. Establecer la restricción de pesos no negativos garantiza que todas las muestras se puntúen sobre la base de la presencia de firmas mutacionales relevantes asociadas con la deficiencia de BRCA1/BRCA2, independientemente de si estas firmas son el proceso mutacional dominante en el cáncer.
Por último, los pesos obtenidos de la regresión lasso se utilizan para otorgar a una nueva muestra una puntuación probabilística utilizando los datos mutacionales normalizados y la aplicación de los parámetros del modelo ( , ):
dónde:
: variable que codifica el estado de la i- ésima muestra : peso de intersección : vector que codifica las características de la i- ésima muestra : vector de pesos
El valor de probabilidad cuantifica el grado de deficiencia de BRCA1/BRCA2. Se debe elegir un valor de probabilidad de corte manteniendo una alta sensibilidad. Estas puntuaciones se pueden utilizar para orientar la terapia.
Las mutaciones en los genes responsables de la HR son frecuentes entre los cánceres humanos. Los genes BRCA1 y BRCA2 están implicados de forma central en la HR, la reparación del daño del ADN, la resección terminal y la señalización de los puntos de control. Se han identificado firmas mutacionales de la HRD en más del 20 % de los cánceres de mama, así como en los cánceres de páncreas, ovario y estómago. Las mutaciones de BRCA1/2 confieren sensibilidad a las quimioterapias basadas en platino. HRDetect puede entrenarse de forma independiente para predecir el estado de BRCA1/2 y tiene la capacidad de predecir los resultados de las quimioterapias basadas en platino. [8]
HRDetect se desarrolló inicialmente para detectar tumores con deficiencia de BRCA1 y BRCA2 basándose en los datos de la secuenciación del genoma completo de una cohorte de 560 muestras de cáncer de mama. Dentro de esta cohorte, se sabía que 22 pacientes presentaban mutaciones de la línea germinal BRCA1/BRCA2. Se encontraron firmas mutacionales de deficiencia de BRCA1/BRCA2 en más pacientes con cáncer de mama de lo que se sabía anteriormente. Este modelo pudo identificar 124 (22%) pacientes con cáncer de mama que mostraban firmas mutacionales de BRCA1/2 en esta cohorte de 560 muestras. Aparte de los 22 casos conocidos, 33 pacientes adicionales mostraron deficiencia con mutaciones de la línea germinal BRCA1/2, 22 pacientes mostraron mutación somática de BRCA1/2 y 47 fueron reconocidos por mostrar un defecto funcional sin mutación BRCA1/2 detectada. Como resultado, con una aplicación de un punto de corte probabilístico de 0,7, HRDetect pudo demostrar una sensibilidad del 98,7% al reconocer casos con deficiencia de BRCA1/2.
En cambio, las mutaciones de la línea germinal de BRCA1/2 están presentes en solo el 1~5% de los casos de cáncer de mama. Además, estos hallazgos sugieren que más pacientes con cáncer de mama, hasta 1 de cada 5 (20%), pueden beneficiarse de los inhibidores de PARP que un pequeño porcentaje de pacientes que actualmente reciben el tratamiento. Cohorte de 80 pacientes con cáncer de mama. 6 de cada 7 tienen una puntuación superior a 0,7 en HRDetect.
Cohorte de 80 muestras de cáncer de mama
HRDetect se probó en 80 casos de cáncer de mama, principalmente con ER positivo y HER2 negativo. La herramienta pudo encontrar aquellos que superaban la puntuación de 0,7 de HRDetect, incluido un portador de mutación de línea germinal BRCA1, cuatro portadores de mutación de línea germinal BRCA2 y un portador de mutación somática BRCA2. La sensibilidad de esta herramienta también alcanzó el 86%.
HRDetect se puede aplicar a otros tipos de cáncer y ofrece una sensibilidad adecuada. [6]
En una cohorte de 73 pacientes con cáncer de ovario, se sabía que 30 pacientes eran portadoras de mutaciones BRCA1/BRCA2 y 46 (63%) pacientes tenían una puntuación HRDetect superior a 0,7 según la evaluación de HRDetect. La sensibilidad para detectar cáncer con deficiencia de BRCA1/2 fue de casi el 100%, y se identificaron 16 casos adicionales.
En una cohorte de 96 pacientes con cáncer de páncreas, se sabía que 6 casos presentaban mutación o pérdida de alelos y 11 (11,5 %) pacientes fueron identificados por HRDetect con un límite de corte de 0,7. El estudio observó un resultado similar de sensibilidad cercana al 100 %, con otros cinco casos identificados.
Ventajas
Limitaciones
Si bien se puede utilizar con datos WES, la sensibilidad de detección disminuye considerablemente cuando no se entrena con dichos datos. La sensibilidad aumenta cuando se realiza el entrenamiento con datos WES, pero aún se identifican los falsos positivos.
![{\displaystyle \min _{((\beta _{0},\,\beta ))\in \mathbb {R} ^{p+1}}{\left(-\left[{\frac {1}{N}}\sum _{i=1}^{N}y_{i}\cdot \left(\beta _{0}+x_{i}^{T}\beta \right)-\log \left(1+e^{\left(\beta _{0}+x_{i}^{T}\beta \right)}\right)\right]+\lambda \|\beta \|_{1}\right)}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/39e2bdf0541a4e289e9a1738e87d4743ee35ce2a)
