Sintesi di dataset multi-omici sul cancro ovarico: un quadro di valutazione informato dalla biologia

Abstract degli autori

Le coorti oncologiche multi-omiche appaiate sono costose da assemblare e difficili da condividere, il che motiva l’uso di coorti sintetiche come risorsa complementare. Con l’accelerazione dello sviluppo dei modelli generativi, spostiamo l’attenzione dal proporre un’ulteriore architettura alla definizione di criteri di valutazione che determinino se i dati sintetici preservano strutture biologicamente rilevanti. Presentiamo un quadro di valutazione informato dalla biologia e con separazione dei pazienti, per valutare la generazione di profili appaiati di espressione dell’RNA e variazione del numero di copie (CNV), e lo applichiamo alla coorte longitudinale DECIDER di carcinoma ovarico sieroso di alto grado. Il quadro valuta la fedeltà specifica di ciascuna modalità e la coerenza tra le coppie di RNA e CNV, usando come riferimento l’accordo tra i dati reali di addestramento e quelli tenuti da parte, insieme a diagnostiche complementari della prossimità ai dati di addestramento. Adattiamo tre architetture di integrazione multi-omica basate su autoencoder variazionali per generare profili appaiati. Il modello che ottiene i risultati migliori in diverse misure di fedeltà e coerenza mostra anche la maggiore prossimità ai dati di addestramento. Il protocollo e il caso di studio offrono alla comunità un riferimento per confrontare i futuri generatori multi-omici.