Kutatás vezetője: Miklós István
Leírás: A kockázati predikció módszerek célja az, hogy in silico predikciókkal idő- és pénzigényes klinikai módszereket váltson ki, amelyek sokszor invazívak, fájdalmasak, és mellékhatásaik is lehetnek. Egy egészség.megőrzési programba olyan embereket vonnak be, akik még egészségesek a bevonás időpontjában, de életmódjuk, életkörülményeik és/vagy genetikai hátterük miatt fokozott kockázatnak vannak kitéve. Életmódváltozásra, gyakoribb monitorozásra tett javaslatokkal az egyes betegségekre vonatkozó kockázatot csökkenteni lehet. Nyilvánvalóan, csak akkor lehet in silico módszerekkel dolgozni, ha azok megfelelően pontosak. A kockázati predikció módszerek standard módszere a lineáris regressziós módszerek lettek, ahol a bemenő adatok a különböző rizikó faktorok és a predikciókat ebből lehet számítani. Azonban a nem-lineáris korrelációkat ez a metódus nem írja le, és akkor szofisztikáltabb metódusokat kell alkalmazni, mint pl. Support Vector Machine, mesterséges neuronhálózatok vagy olyan statisztikai tanulóalgoritmusok, amelyek exolicite modellezik a biológiai folyamatokat.
Egy érdekes biológiai kérdés, hogy az örökölt immunrendszer hogyan befolyásolja egyes rákos betegségek kialakulásának a kockázatát. Egy olyan immunogenetikai predikciós rendszert fejlesztettünk ki, amely tumor-aszociált antigénekre adott immunválaszt vesz figyelembe. 48, főleg melanómában expresszálódó antigént határoztunk meg, szakirodalmi adatok alapján. A statisztikai tanulóalgoritmusunk háttérpopulációja nem-amerikai emberek immunogenetikai adatából (HLA, Human Leucocyte Antigen) állt. Azt vizsgáltuk, hogy melyek azok a HLA allélok, amelyekkel rendelkező emberek statisztikailag szignifikánsan nagyobb immunválaszt képesek adni, mint az adott HLA alléllal nem rendelkező emberek. Az ilyen alléloknak a statisztikai szignifikanciájuk alapján egy log-p értéket adtunk. A teszt populáció amerikai melanómás és nem melanómás emberek immunogenetikai adatából állt.
Azt tapasztaltuk, hogy a HLA allélok log-p értéke jó prediktora a melanómára való hajlamnak. Az elért ROC-AUC érték 0.68, amely a tesztpopuláció mérete alapján erősen szignifikáns. Bár az AUC érték nem kimagaslóan nagy, figyeleme kell venni, hogy a módszerünk csak immunogenetikai adatok alapján prediktált, és nem vette figyeleme az egyéb környezeti faktorokat, mint pl. napsugárzásnak való kitettség, illetve az egyéb, már ismert genetikai/morfológiai adatokat, mint pl. a szeplősség, vörös hajszín, stb.
A metódusunk segítségével ki tudtuk azt is mutatni, hogy a különböző populációk HLA allélok log-p értékéből számolt átlagos pontozása korrelál az adott populációban a melanóma prevelenciájával is.
Az eredményeinket a világ két legrangosabb onkológiai konferenciáján (ASCO 2019, ESMO209) mutattuk be, és ennek folyamán rangos onkológiai folyóiratokban publikáltuk.
Referenciák
Miklós, I. et al. (2019) Determination of the immunogenetic risk of developing cancer. Journal of Clinical Oncology, 37:15_suppl, e13132-e13132
Miklós, I. et al. (2019) Inferring the correlation between incidence rates of melanoma and the average tumor-specific epitope binding ability of HLA class I molecules. Annals of Oncology (2019) 30 (suppl_5): v574-v584.