HO CHI MINH, VIETNAM – Media OutReach Newswire – Gene Solutions, perusahaan pelopor pengujian genetik di Asia Tenggara, dengan senang hati mengumumkan publikasi studi baru peer-reviewed yang memvalidasi kemampuan analitik dari Tumor-Specific Methylation Atlas (TSMA) yang inovatif dan digerakkan oleh AI.

Studi ini diterbitkan dalam BMC Journal of Translational Medicine: “Deteksi jaringan asal (TOO) untuk tumor kanker menggunakan sampel cfDNA dengan kedalaman rendah melalui kombinasi atlas metilasi spesifik tumor dan kepadatan metilasi di seluruh genom dalam jaringan saraf konvolusi grafik”, merinci proses validasi analitik yang kuat yang memanfaatkan kecerdasan buatan yang canggih untuk memberikan prediksi asal tumor yang akurat dan dapat diandalkan dalam deteksi dini multi-kanker.

Pertama, tim bioinformatika dari Gene Solutions menggunakan sekuensing bisulfit seluruh genom (WGBS) pada lima jenis jaringan tumor (kanker payudara, kolorektal, lambung, hati, dan paru-paru) dan sel darah putih berpasangan (WBC) untuk membuat atlas metilasi spesifik tumor (TSMA), di mana 2.945 daerah CpG ditemukan antara jenis tumor dan WBC. Tim ini kemudian menerapkan model Deep Learning dari Graph Convolutional Neural Network yang menggabungkan skor dekonvolusi dari TSMA dengan fitur-fitur lain untuk mencapai akurasi prediksi tumor asal yang lebih baik dalam dataset validasi dari 239 sampel cfDNA dengan tingkat kedalaman yang rendah.

Dengan meningkatkan akurasi identifikasi tumor melalui metode berbasis AI, penelitian ini membuka banyak harapan ketika diterapkan dalam tes deteksi dini multi-kanker:

Peningkatan Akurasi Data: Kombinasi ini menunjukkan kinerja yang luar biasa dalam mengidentifikasi tumor asal secara akurat, terutama hingga 100%, 98% dan 93% untuk kanker payudara, hati dan kolorektal.

Mengurangi Kedalaman Pengurutan: Dengan memiliki atlas pemandu, tim R&D dapat mengoptimalkan kedalaman pengurutan yang diperlukan untuk identifikasi tumor, sehingga lebih efisien dan hemat biaya. Pengurangan kedalaman pengurutan ini tidak hanya mempercepat waktu untuk mendapatkan hasil, tetapi juga menghemat sumber daya pengurutan generasi berikutnya yang mahal.

Sumber Daya Analisis yang Dioptimalkan: Pendekatan berbasis AI mengoptimalkan penggunaan sumber daya komputasi, mengurangi keseluruhan biaya dan waktu yang diperlukan untuk analisis tumor. Pengoptimalan ini merupakan langkah penting untuk membuat analisis DNA tumor yang bersirkulasi tingkat lanjut dapat diakses dan terjangkau oleh penyedia layanan kesehatan dan pasien.

Dr. Minh Duy Phan, seorang penulis utama dari penelitian ini berkomentar: “Validasi analitik dari atlas metilasi tumor baru dan algoritme pembelajaran mendalam menandai tonggak penting dalam analisis DNA tumor yang bersirkulasi untuk deteksi sinyal kanker dini. Dengan memanfaatkan kekuatan AI, kami meningkatkan akurasi dan efisiensi teknologi deteksi dini multi-kanker untuk penggunaan di dunia nyata.”

Pengembangan di Masa Depan:

Dengan pengembangan lebih lanjut oleh tim data kami, Gene Solutions berkomitmen untuk memperluas kemampuan TSMA. Upaya penelitian dan pengembangan yang sedang berlangsung bertujuan untuk memungkinkan analisis dan penerapan kualitas yang lebih baik dalam praktik kehidupan nyata untuk mengurangi biaya tes, memastikan bahwa alat skrining kanker mutakhir dapat dijangkau oleh individu yang direkomendasikan di seluruh dunia.

Untuk informasi lebih mendalam mengenai studi ini dan TSMA, silakan kunjungi https://spotmas.com/blog/pioneering-a-tumor-specific-methylation-atlas-tsma-to-identify-tissue-of-origin-too-in-multi-cancer-early-detection/

Referensi:
Nguyen, T.H., Doan, N.N.T., Tran, T.H. et al. Tissue of origin detection for cancer tumor using low-depth cfDNA samples through combination of tumor-specific methylation atlas and genome-wide methylation density in graph convolutional neural networks. J Transl Med 22, 618 (2024), doi: 10.1186/s12967-024-05416-z