TwinMe
Se connecter Boutique

Profilage métabolomique des gouttes de sang séché pour la détection du cancer du sein : une étude de validation multi-classificateurs dans 2 734 participants

Prépublication d'Anctil, Hauguel, Rhéaume, Grobmyer et Noel montrant que la métabolomique non ciblée d'une seule goutte de sang séché détecte le cancer du sein chez 2 734 participants, avec des performances robustes sur six familles de classificateurs.

Pourquoi cela compte

Démontre que le protocole LC-MS de gouttes de sang séché du même laboratoire de BioTwin, validé pour l'identification individuelle, porte suffisamment de signal pour détecter le cancer du sein à grande échelle, avec une validation tenant compte des lots qui évite les estimations optimistement biaisées courantes dans le domaine.

Résumé

Une cohorte de 2 734 participants (114 cas de cancer du sein confirmés par biopsie et 2 620 témoins non cancéreux) a été profilée par LC-MS/MS non ciblée à partir d’une seule goutte de sang séché (DBS), en utilisant un Orbitrap IQ-X Thermo Scientific couplé à un système UHPLC Vanquish. Un panel pré-spécifié de 39 métabolites répondant aux critères d’identification MSI Niveau 1, sélectionné sur un flux de travail antérieur indépendant et appliqué ici sans modification, a été évalué avec six architectures d’apprentissage supervisé standard (LASSO, Elastic Net, SVM linéaire, PLS-DA, OPLS-DA, XGBoost). Les performances de détection étaient robustes sur les familles de classificateurs, atteignant une AUC de 0,928 pour LASSO et 0,949 pour XGBoost.

Le document aborde deux goulots d’étranglement récurrents dans la métabolomique du cancer basée sur le sang : la dépendance quasi-exclusive du domaine au sérum ou plasma, qui nécessitent une ponction veineuse et une logistique de chaîne du froid, et les protocoles d’apprentissage automatique qui sont aveugles à la structure des lots analytiques et rapportent donc des performances optimistement biaisées. L’échantillonnage par DBS supprime la barrière logistique, et une conception de validation tenant compte des lots maintient les estimations honnêtes.

Pourquoi c’est important

Il s’agit de la contrepartie de classification des maladies au travail d’identification individuelle de BioTwin : la même matrice DBS minimalement invasive auto-collectée et le même protocole LC-MS d’un seul laboratoire, maintenant appliquée à la détection précoce du cancer du sein. La robustesse sur six familles de classificateurs indépendants, plutôt qu’un seul modèle ajusté, est ce qui rend le signal crédible.

Auteurs

Nicolas Anctil (1), Pierrick Hauguel (1), Caroline Rhéaume (2), Stephen Grobmyer (3), Louis-Philippe Noel (1). Auteur correspondant : Pierrick Hauguel (phauguel@biotwin.ai).

  1. Département de recherche et développement, BioTwin Inc., Québec, QC, Canada
  2. Université Laval, Québec, QC, Canada
  3. Oncology Institute, Fatima bint Mubarak Center, Cleveland Clinic Abu Dhabi, Abu Dhabi, Émirats arabes unis

Conflits d’intérêts : Nicolas Anctil, Pierrick Hauguel et Louis-Philippe Noel sont des employés et actionnaires de BioTwin Inc. Caroline Rhéaume et Stephen Grobmyer sont des collaborateurs académiques et cliniques externes.