Thuật toán

Thuật toán hồi quy thích ứng

Thuật toán hồi quy thích ứng được xác định bằng cách phân tích hồi quy thích ứng áp dụng các giá trị ΔCq của 4 gen mục tiêu và 5 gen tham chiếu. Nói chung, trong khi dữ liệu được xử lý dựa trên giá trị trung bình hoặc giá trị trung bình được chọn bởi một mảng, trong một thuật toán theo kỹ thuật hồi quy thích ứng, một điểm có phương sai lớn nhất của các giá trị khoảng thời gian trung bình tách biệt nhận được khi một điểm tùy ý của tổng dữ liệu là được xác định như một điểm tham chiếu được xác định như một giá trị hồi quy thích ứng. Nghĩa là, giá trị ngưỡng là điểm tham chiếu để phân biệt mức độ biểu hiện cao và mức độ biểu hiện thấp của một gen tương ứng, có ý nghĩa về mặt sinh học, trong mô bình thường và mô ung thư.

Hệ thống hai tầng dựa trên tín hiệu nhị phân

Tiên lượng và phân loại dự đoán được thực hiện bởi một hệ thống hai bậc dựa trên tín hiệu nhị phân. Bậc đầu tiên sử dụng hai gen phân loại miễn dịch (GZMB và WARS) để xác định những bệnh nhân có khả năng miễn dịch cao. Cấp thứ hai sử dụng gen phân loại giống thân (SFRP4) hoặc gen phân loại biểu mô (CDX1) để phân loại các bệnh nhân khác là bệnh nhân cao giống thân hoặc bệnh nhân cao biểu mô bằng cách sử dụng phân loại ST và EP tương ứng.

Tiên lượng bậc một: Phân loại nhóm là Nhóm rủi ro thấp và nhóm không có lợi ích khi giá trị ΔCq của GZMB và WARS cao hơn giá trị ngưỡng.

Tiên lượng bậc hai: Ít nhất một giá trị ΔCq của GZMB và WARS thấp hơn giá trị ngưỡng, phân loại một nhóm là Nhóm rủi ro trung gian khi giá trị ΔCq của SFRP4 thấp hơn giá trị ngưỡng và một nhóm là Nhóm rủi ro cao khi giá trị ΔCq của SFPR4 cao hơn giá trị ngưỡng.

Dự đoán bậc hai: Ít nhất một giá trị ΔCq của GZMB và WARS thấp hơn giá trị ngưỡng, phân loại một nhóm là nhóm không có lợi ích khi giá trị ΔCq của CDX1 thấp hơn giá trị ngưỡng và một nhóm là lợi ích hóa trị nhóm khi giá trị ΔCq của CDX1 cao hơn giá trị ngưỡng.

Hệ thống hai tầng dựa trên tín hiệu nhị phân này để tiên lượng và dự đoán đáp ứng hóa trị trong ung thư dạ dày là Bộ phân loại bệnh nhân đơn (SPC).

Các tính năng khác biệt của bộ phân loại bệnh nhân đơn lẻ (SPC)

• 1. Tính năng đặc biệt đầu tiên của xét nghiệm ung thư dạ dày nProfiler® 1 là có thể chỉ định từng bệnh nhân thành các thông số khác nhau bằng cách áp dụng tiên lượng SPC và dự đoán SPC trong khi một hệ thống phân loại phân tử khác (Bản đồ bộ gen ung thư (TCGA), Nhóm nghiên cứu ung thư châu Á (ACRG), và Phân loại Singapore-Duke) hướng đến dân số và phụ thuộc nhiều vào thành phần của tập dữ liệu và do đó không áp dụng trực tiếp cho từng bệnh nhân.
• 2. Đặc điểm khác biệt thứ hai là để tạo điều kiện thuận lợi cho việc triển khai SPC trong thực hành lâm sàng, nó đã được đánh giá và xác nhận tính tương thích trong các loại mô khác nhau (mô tươi so với FFPE) bằng cách sử dụng các xét nghiệm khác nhau (giải trình tự microarray hoặc RNA so với RT-qPCR ).
• 3. Đặc điểm khác biệt thứ ba là SPC phân tầng bệnh nhân ung thư dạ dày (GC) thành 5 phân nhóm phân biệt phân biệt về các đặc điểm sinh học liên quan đến GC; viêm, ruột, dạ dày, mô đệm hỗn hợp và trung mô, với các kết quả lâm sàng khác nhau và 3 loại có thể hành động lâm sàng được lựa chọn; các tính năng miễn dịch (IM), Giống gốc (ST) và biểu mô (EP), với các mô-đun gen cụ thể. Thay vì sử dụng tọa độ IM +/− ST +/− EP +/− song song, các bệnh nhân có IM cao được phân tầng tuần tự ở bậc đầu tiên trong cả tiên lượng SPC và dự đoán SPC. Việc lọc trước các bệnh nhân có IM cao đã theo đuổi vì nhiễm virus Epstein-Barr (EBV) hoặc GC do vi khuẩn không ổn định (MSI) gây ra được cho là các bệnh khác nhau về căn nguyên ở GC. Vì vậy, các bộ phân loại ST và EP sẽ hoạt động theo cách mạnh mẽ hơn một cách độc lập và hiệu quả hơn trong cấp thứ hai.