HRDetect ^{[ 1 ]} ( Homologous Recombination Deficiency Detect ) เป็น ตัว จำแนก ประเภทที่ใช้การจัดลำดับจีโน มทั้งหมด (WGS) ซึ่งออกแบบมาเพื่อทำนายการ ขาด BRCA1และBRCA2โดยอาศัยลายเซ็นการกลายพันธุ์หกแบบนอกจากนี้ตัวจำแนกประเภทนี้ยังสามารถระบุความคล้ายคลึงกันในโปรไฟล์การกลายพันธุ์ของเนื้องอกกับเนื้องอกที่มีข้อบกพร่องของ BRCA1 และ BRCA2 หรือที่เรียกว่า BRCAness ได้อีกด้วย ตัวจำแนกประเภทนี้สามารถนำไปใช้เพื่อประเมินการใช้งานของ สารยับยั้ง PARP ^{[ 1 ]}ในผู้ป่วยที่มีการขาด BRCA1/BRCA2 ผลลัพธ์สุดท้ายคือความน่าจะเป็นของการกลายพันธุ์ของ BRCA1/2

BRCA1และBRCA2มีบทบาทสำคัญในการรักษาความสมบูรณ์ของจีโนม โดยส่วนใหญ่ผ่านกระบวนการรีคอมบิเนชันแบบโฮโมโลจัส (HR) เพื่อซ่อมแซมดีเอ็นเอสายคู่ที่แตกหัก (DSB) การกลายพันธุ์ของ BRCA1 และ BRCA2 อาจนำไปสู่ความสามารถของกลไก HR ที่ลดลงความไม่เสถียรของจีโนม ที่เพิ่มขึ้น และทำให้เกิดความเสี่ยงต่อการเกิดมะเร็ง^{[ 2 ]}ผู้ที่มีภาวะขาด BRCA1 และ BRCA2 มีความเสี่ยงสูงที่จะเป็นมะเร็งบางชนิด เช่น มะเร็ง เต้านมและมะเร็งรังไข่ข้อบกพร่องของยีน BRCA1/BRCA2 ในเซลล์สืบพันธุ์คิดเป็นสัดส่วนถึง 5% ของกรณีมะเร็งเต้านม^{[ 1 ]}

สารยับยั้ง โพลี (ADP ไรโบส ) โพลีเมอเรส (PARP) ถูกออกแบบมาเพื่อรักษาเนื้องอกที่มีความบกพร่องของยีน BRCA1 และ BRCA2 เนื่องจากการขาดความสามารถในการรวมตัวกันของโฮโมโลจัส^{[ 4 ]}ยาเหล่านี้ส่วนใหญ่ถูกนำมาใช้ในการรักษามะเร็งเต้านมและมะเร็งรังไข่^{[ 5 ]}และประสิทธิภาพทางคลินิกในผู้ป่วยมะเร็งชนิดอื่นๆ เช่นมะเร็งตับอ่อนยังอยู่ระหว่างการศึกษา^{[ 6 ]}การระบุผู้ป่วยที่มีความบกพร่องของยีน BRCA1/BRCA2 อย่างเหมาะสมเพื่อใช้สารยับยั้ง PARP อย่างมีประสิทธิภาพจึงเป็นสิ่งสำคัญ สารยับยั้ง PARP ทำงานบนแนวคิดของการตายแบบสังเคราะห์โดยการทำให้เซลล์ที่กลายพันธุ์ BRCA ตายอย่างเลือกสรรในขณะที่เซลล์ปกติไม่ได้รับ ผลกระทบ

HRDetect ถูกนำมาใช้เพื่อตรวจจับเนื้องอกที่มีภาวะขาด BRCA1/BRCA2 โดยใช้ข้อมูลจากการจัดลำดับจีโนมทั้งหมด โมเดลนี้จะรวบรวมลายเซ็นที่เกี่ยวข้องกับ HRD หกรายการในเชิงปริมาณเป็นคะแนนเดียวที่เรียกว่า HRDetect เพื่อจำแนกมะเร็งเต้านมตามสถานะ BRCA1 และ BRCA2 ได้อย่างแม่นยำ อัลก อริทึม การเรียนรู้ของเครื่องจะกำหนดค่าน้ำหนักให้กับลายเซ็นเหล่านี้ก่อนที่จะคำนวณคะแนนสุดท้าย ลายเซ็นทั้งหกรายการเรียงลำดับตามน้ำหนักที่ลดลง ได้แก่ การแทรก/ลบที่เกิดจากไมโครโฮโมโลยี ดัชนี HRD ลายเซ็นการแทนที่เบส 3 ลายเซ็นการจัดเรียงใหม่ 3 ลายเซ็นการจัดเรียงใหม่ 5 และลายเซ็นการแทนที่เบส 8 นอกจากนี้ วิธีการถ่วงน้ำหนักนี้ยังสามารถระบุ BRCAness ซึ่งหมายถึงฟีโนไทป์การกลายพันธุ์ที่แสดงภาวะขาดการรวมตัวกันของโฮโมโลยีคล้ายกับเนื้องอกที่มีข้อบกพร่องของเชื้อพันธุ์ BRCA1/BRCA2 ^{[ 7 ]}

HRDetect ต้องการข้อมูลป้อนเข้าสี่ประเภท:

1. จำนวนการกลายพันธุ์ที่เกี่ยวข้องกับแต่ละรูปแบบการแทนที่เบสเดี่ยว
2. อินเดลที่มีความคล้ายคลึงกันในระดับไมโคร ณ จุดเชื่อมต่อของอินเดล อินเดลในบริเวณที่มีการทำซ้ำของพอลินิวคลีโอไทด์ และอินเดลที่ซับซ้อนอื่นๆ ในสัดส่วนต่างๆ
3. จำนวนการจัดเรียงใหม่ที่เกี่ยวข้องกับลายเซ็นแต่ละอัน
4. ดัชนี HRD (ผลรวมทางเลขคณิตของ คะแนน การสูญเสียเฮเทอโรไซโกซิตี (LOH), ความไม่สมดุลของอัลลีลที่ปลายโครโมโซม (TAI) และการเปลี่ยนแปลงสถานะขนาดใหญ่ (LST))

วิธี การนี้ใช้ หลักการ เรียนรู้แบบมีผู้กำกับดูแลโดยใช้ แบบจำลอง การถดถอยโลจิสติกแบบลาโซ เพื่อจำแนกตัวอย่างออกเป็นกลุ่มที่มีและไม่มีภาวะขาด BRCA 1/2 ค่าสัมประสิทธิ์ที่เหมาะสมที่สุดได้มาจากการลดฟังก์ชันเป้าหมายให้เหลือน้อยที่สุด

เพื่อรองรับจำนวนการแทนที่ที่สูงในตัวอย่าง ข้อมูลทางพันธุกรรมจึงถูกแปลงเป็นลอการิทึมก่อน:

${\displaystyle x=\ln(x+1)}$

จากนั้นข้อมูลที่แปลงแล้วจะถูกทำให้เป็นมาตรฐานเพื่อให้ค่าของกลุ่มการกลายพันธุ์สามารถเปรียบเทียบกันได้ โดยกำหนดให้แต่ละวัตถุมีค่าเฉลี่ยเป็น 0 และค่าเบี่ยงเบนมาตรฐาน (sd) เป็น 1:

${\displaystyle \mathrm {x} ={\frac {x-\operatorname {mean} \left(x\right)}{\mathrm {s} \mathrm {d} \cdot \left(x\right)}}}$

เพื่อให้สามารถแยกแยะระหว่างผู้ที่ได้รับผลกระทบและผู้ที่ไม่ได้รับผลกระทบจากภาวะขาด BRCA1/BRCA2 ได้ จึงใช้แบบจำลองการถดถอยโลจิสติกแบบลาโซ:

${\displaystyle \min _{((\beta _{0},\,\beta ))\in \mathbb {R} ^{p+1}}{\left(-\left[{\frac {1}{N}}\sum _{i=1}^{N}y_{i}\cdot \left(\beta _{0}+x_{i}^{T}\beta \right)-\log \left(1+e^{\left(\beta _{0}+x_{i}^{T}\beta \right)}\right)\right]+\lambda \|\beta \|_{1}\right)}}$

ที่ไหน:

${\displaystyle y_{i}}$: สถานะ BRCA ของตัวอย่าง || y _i = 1 สำหรับตัวอย่าง BRCA1/BRCA2-null || y _i = 0 สำหรับตัวอย่างอื่น ๆ: ค่าคงที่ ซึ่งตีความว่าเป็นลอการิทึมของอัตราส่วนความน่าจะเป็นของ= 1 เมื่อ= 0 : เวกเตอร์ของน้ำหนัก: จำนวนคุณลักษณะที่บ่งบอกลักษณะเฉพาะของแต่ละตัวอย่าง: จำนวนตัวอย่าง: เวกเตอร์ของคุณลักษณะที่บ่งบอกลักษณะเฉพาะของตัวอย่าง^ที่ i : ค่าปรับลดที่ส่งเสริมความเบาบางของน้ำหนัก: ค่า L1 norm ของเวกเตอร์ของน้ำหนัก ${\displaystyle \beta _{0}}$${\displaystyle y_{i}}$${\displaystyle x_{i}^{T}}$${\displaystyle \beta }$${\displaystyle p}$${\displaystyle N}$${\displaystyle x_{i}^{T}}$${\displaystyle \lambda }$${\displaystyle \|\beta \|}$

ค่าสัมประสิทธิ์ β ถูกกำหนดให้เป็นค่าบวกเพื่อสะท้อนถึงการมีอยู่ของการกลายพันธุ์อันเนื่องมาจากความบกพร่องของยีน BRCA1/BRCA2 การกำหนดข้อจำกัดของค่าสัมประสิทธิ์ที่ไม่เป็นลบทำให้มั่นใจได้ว่าตัวอย่างทั้งหมดจะได้รับการประเมินโดยพิจารณาจากการมีอยู่ของลักษณะการกลายพันธุ์ที่เกี่ยวข้องกับความบกพร่องของยีน BRCA1/BRCA2 โดยไม่คำนึงว่าลักษณะการกลายพันธุ์เหล่านั้นจะเป็นกระบวนการกลายพันธุ์หลักในมะเร็งหรือไม่

สุดท้ายนี้ น้ำหนักที่ได้จากการถดถอยแบบลาโซจะถูกนำมาใช้เพื่อกำหนดคะแนนความน่าจะเป็นให้กับตัวอย่างใหม่ โดยใช้ข้อมูลการกลายพันธุ์ที่เป็นมาตรฐานและการประยุกต์ใช้พารามิเตอร์ของแบบจำลอง ( , ): ${\displaystyle x_{i}^{T}}$${\displaystyle \beta }$${\displaystyle \beta _{0}}$

${\displaystyle P\left(C_{i}=BRCA\right)={\frac {1}{1+e^{-\left(\beta _{0}+x_{i}^{T}\beta \right)}}}}$

ที่ไหน:

${\displaystyle C_{i}}$ : ตัวแปรที่เข้ารหัสสถานะของตัวอย่าง^{ที่ i}  : น้ำหนักค่าคงที่: เวกเตอร์ที่เข้ารหัสคุณลักษณะของตัวอย่าง^ที่ i : เวกเตอร์ของน้ำหนัก ${\displaystyle \beta _{0}}$${\displaystyle x_{i}^{T}}$${\displaystyle \beta }$

ค่าความน่าจะเป็นบ่งบอกถึงระดับความผิดปกติของยีน BRCA1/BRCA2 ควรเลือกค่าความน่าจะเป็นที่เหมาะสมโดยยังคงรักษาความไวในการตรวจจับไว้สูง ค่าเหล่านี้สามารถนำมาใช้เป็นแนวทางในการรักษาได้

การกลายพันธุ์ในยีนที่รับผิดชอบต่อ HR พบได้ทั่วไปในมะเร็งของมนุษย์ ยีน BRCA1 และ BRCA2 มีบทบาทสำคัญใน HR การซ่อมแซมความเสียหายของ DNA การตัดปลาย และการส่งสัญญาณจุดตรวจสอบ ลายเซ็นการกลายพันธุ์ของ HRD ถูกระบุในมะเร็งเต้านมมากกว่า 20% รวมถึงมะเร็งตับอ่อน รังไข่ และกระเพาะอาหาร การกลายพันธุ์ของ BRCA1/2 ทำให้เกิดความไวต่อเคมีบำบัดแบบแพลทินัม HRDetect สามารถฝึกฝนได้อย่างอิสระเพื่อทำนายสถานะ BRCA1/2 และมีความสามารถในการทำนายผลลัพธ์ของเคมีบำบัดแบบแพลทินัม^{[ 8 ]}

HRDetect ได้รับการพัฒนาขึ้นครั้งแรกเพื่อตรวจจับเนื้องอกที่มีภาวะขาด BRCA1 และ BRCA2 โดยอาศัยข้อมูลจากการลำดับจีโนมทั้งหมดของกลุ่มตัวอย่างมะเร็งเต้านม 560 ตัวอย่าง ในกลุ่มตัวอย่างนี้ มีผู้ป่วย 22 รายที่ทราบว่ามีการกลายพันธุ์ของยีน BRCA1/BRCA2 ในเซลล์สืบพันธุ์ พบว่าลักษณะการกลายพันธุ์ของภาวะขาด BRCA1/BRCA2 ในผู้ป่วยมะเร็งเต้านมมากกว่าที่เคยทราบมาก่อน แบบจำลองนี้สามารถระบุผู้ป่วยมะเร็งเต้านม 124 ราย (22%) ที่แสดงลักษณะการกลายพันธุ์ของ BRCA1/2 ในกลุ่มตัวอย่าง 560 ตัวอย่างนี้ นอกเหนือจาก 22 รายที่ทราบแล้ว ยังพบผู้ป่วยอีก 33 รายที่มีภาวะขาดด้วยการกลายพันธุ์ของยีน BRCA1/2 ในเซลล์สืบพันธุ์ ผู้ป่วย 22 รายแสดงการกลายพันธุ์ของยีน BRCA1/2 ในเซลล์ร่างกายและผู้ป่วย 47 รายพบความบกพร่องในการทำงานโดยไม่พบการกลายพันธุ์ของ BRCA1/2 ด้วยเหตุนี้ เมื่อใช้ค่าตัดความน่าจะเป็นที่ 0.7 HRDetect จึงสามารถแสดงให้เห็นถึงความไว 98.7% ในการตรวจจับกรณีที่มีความบกพร่องของยีน BRCA1/2

ในทางตรงกันข้ามการกลายพันธุ์ของยีน BRCA1/2 ในเซลล์สืบพันธุ์พบได้เพียง 1-5% ของผู้ป่วยมะเร็งเต้านมเท่านั้น ยิ่งไปกว่านั้น ผลการวิจัยเหล่านี้ชี้ให้เห็นว่า ผู้ป่วยมะเร็งเต้านมจำนวนมากถึง 1 ใน 5 (20%) อาจได้รับประโยชน์จากยาต้านเอนไซม์ PARP มากกว่าผู้ป่วยเพียงส่วนน้อยที่ได้รับการรักษาด้วยวิธีนี้ในปัจจุบัน กลุ่มตัวอย่างประกอบด้วยผู้ป่วยมะเร็งเต้านม 80 ราย 6 ใน 7 รายมีคะแนน HRDetect สูงกว่า 0.7

กลุ่มตัวอย่างมะเร็งเต้านม 80 ราย

มีการทดสอบ HRDetect ในผู้ป่วยมะเร็งเต้านม 80 ราย ซึ่งส่วนใหญ่เป็น ER positive และ HER2 negative เครื่องมือนี้สามารถตรวจพบผู้ป่วยที่มีคะแนน HRDetect เกิน 0.7 ได้ รวมถึงผู้ที่มียีนกลายพันธุ์ BRCA1 ในเซลล์สืบพันธุ์ 1 ราย ผู้ที่มียีนกลายพันธุ์ BRCA2 ในเซลล์สืบพันธุ์ 4 ราย และผู้ที่มียีนกลายพันธุ์ BRCA2 ในเซลล์ร่างกาย 1 ราย ความไวของเครื่องมือนี้ยังสูงถึง 86% อีกด้วย

HRDetect สามารถนำไปใช้กับมะเร็งประเภทอื่นได้และให้ความไวที่เพียงพอ^{[ 6 ]}

ในกลุ่มผู้ป่วยมะเร็งรังไข่ 73 ราย พบว่า 30 รายมีภาวะกลายพันธุ์ของยีน BRCA1/BRCA2 และ 46 ราย (63%) ได้รับการประเมินด้วย HRDetect ว่ามีคะแนน HRDetect มากกว่า 0.7 ความไวในการตรวจหามะเร็งที่มีภาวะขาด BRCA1/2 เกือบ 100% โดยสามารถตรวจพบเพิ่มเติมอีก 16 ราย

ในกลุ่มผู้ป่วยมะเร็งตับอ่อน 96 ราย พบว่า 6 รายมีประวัติการกลายพันธุ์หรือการสูญเสียอัลลีล และตรวจพบว่า HRDetect มีค่าเกินเกณฑ์ 0.7 ใน 11 ราย (11.5%) การศึกษายังพบผลลัพธ์ที่คล้ายคลึงกัน โดยมีความไวในการตรวจพบใกล้เคียง 100% ในอีก 5 รายที่ตรวจพบเพิ่มเติม

ข้อดี

• ความสอดคล้องของการทำนายอยู่ในระดับสูงระหว่างการจัดลำดับดีเอ็นเอที่มีความครอบคลุมต่ำและความครอบคลุมสูง
• สามารถฝึกฝนด้วย ข้อมูล การจัดลำดับเอ็กโซมทั้งหมด (WES) ได้
• สามารถใช้กับข้อมูลลำดับดีเอ็นเอจากตัวอย่างที่ตรึงด้วยฟอร์มาลินและฝังในพาราฟิน (FFPE) ได้
• สามารถแยกแยะเนื้องอก BRCA1 ออกจากเนื้องอก BRCA2 ได้

ข้อจำกัด

ถึงแม้ว่าจะสามารถใช้กับข้อมูล WES ได้ แต่ความไวในการตรวจจับจะลดลงอย่างมากหากไม่ได้ฝึกฝนด้วยข้อมูลดังกล่าว ความไวจะเพิ่มขึ้นเมื่อทำการฝึกฝนด้วยข้อมูล WES อย่างไรก็ตาม ยังคงมีการระบุผลลัพธ์ที่ผิดพลาดอยู่