Прогнозирование экспрессии GD2 при различных опухолях на основе интеграции топологии сигнальных путей и данных транскриптома

Введение: Дисиалоганглиозид GD2 является важной мишенью противоопухолевой терапии, поскольку гиперэкспрессируется при ряде злокачественных новообразований и ограниченно представлен в нормальных тканях. Однако его экспериментальная оценка технически сложна и не выполняется рутинно. Мы разработали вычислительный подход, который интегрирует реакционную активность, полученную из транскриптомных данных, с путем биосинтеза гликосфинголипидов для прогнозирования экспрессии GD2.

Методы: По данным транскриптома мы вычисляли показатели активности реакций и взвешивали реакции в метаболической сети гликосфинголипидов, уточняя веса ребер с помощью вероятностей перехода, основанных на топологии, чтобы учесть промискуитет ферментов. Кумулятивную активность реакций, способствующих и препятствующих экспрессии GD2, использовали как признаки в методе опорных векторов для моделирования различий, связанных с GD2, между нейробластомой и нормальной тканью. Значения решения SVM использовали как непрерывный суррогат экспрессии GD2. Предсказанные значения GD2 валидировали на независимых наборах данных, сопоставляя их с опубликованными в литературе значениями и с подтверждением методом проточной цитометрии в опухоли с высоким уровнем GD2, предсказанным моделью. Данные о копийных нарушениях (CNA) интегрировали для выявления кандидатных геномных биомаркеров образцов GD2-позитивных опухолей.

Результаты: Показатель GD2 на основе SVM при линейном ядре достиг сбалансированной точности 0,80; это ядро выбрали из-за меньшего риска переобучения и лучшей интерпретируемости при сопоставимой точности с более сложными ядрами. Модель надежно переносилась на шесть независимых наборов данных RNA-seq и воспроизводила известные паттерны экспрессии GD2, превосходя двухгенную сигнатуру в выявлении субтип-специфической гетерогенности и не завышая уровень GD2 в нормальной ткани мозга. Панканцерный анализ выявил гетерогенную экспрессию GD2 в нескольких подтипах опухолей. Примечательно, что мы экспериментально подтвердили высокий уровень GD2 при светлоклеточной саркоме почки, что соответствовало прогнозу модели. Анализ CNA показал амплификацию B4GALNT1 как фактор, способствующий экспрессии GD2, при дедифференцированной липосаркоме. Для облегчения внедрения подхода мы разработали GD2Viz — пакет R с интерактивным приложением Shiny для расчета показателя, визуализации и анализа пользовательских данных.

Выводы: Разработанный вычислительный подход является надежным, интерпретируемым и биологически обоснованным предиктором экспрессии GD2, обеспечивая более высокую согласованность и клиническую интерпретируемость по сравнению с существующими генными сигнатурами. Учитывая более 20 продолжающихся исследований с таргетированием GD2, этот подход может помочь выделять опухолевые нозологии с высоким уровнем GD2, определять кандидатные подгруппы пациентов и формулировать проверяемые гипотезы при малоизученных опухолях, тем самым поддерживая стратификацию пациентов и отбор для участия в клинических исследованиях.