基于深度学习的个性化跨平台分子亚型分类方法，用于B系急性淋巴细胞白血病

《npj Precision Oncology》：Deep learning based individualized cross-platform molecular subtype classification of B-lineage acute lymphoblastic leukemia

　　

摘要

B细胞急性淋巴细胞白血病（B-ALL）的分子亚型在现代临床治疗中至关重要。然而，不断涌现的新亚型以及对复杂多组学诊断的需求，持续在敏感性、成本和检测时间方面对临床亚型分类提出了挑战。我们开发了基于基因表达的B细胞急性淋巴细胞白血病亚型识别系统（BALL6），这是一个适用于跨平台的强大深度学习框架。BALL6利用在经过排序转换的特征基因表达值上训练的循环神经网络来捕捉亚型特征，同时有效减少技术噪声。我们在BALL6中实现了基于排序的增强机制，进一步提升了其在数据量有限或不平衡数据集上的性能。BALL6包含两个集成模型：一个用于区分B-ALL、T-ALL和AML的通用模型，另一个用于识别最新的20种已知分子亚型的B-ALL模型。BALL6在多个独立数据集上表现出出色的准确性，在未见过的数据上，其准确率分别为99.38%（通用模型）和93.84%（B-ALL模型）。值得注意的是，BALL6对缺失值具有很强的鲁棒性，这使其能够跨平台应用。这一点通过BALL6对scRNA-seq数据中稀疏基因表达谱的可靠亚型预测得到了验证。BALL6是开源的，并提供了一个易于使用的网页工具（https://cccg.ronglian.com/#/analysis），从而促进了其在白血病研究和临床诊断中的广泛应用。