AACR : un modèle analysant la méthylation du CpG prédit l'origine du cancer

Suivez Drugslib sur

Par Elana Gotkine HealthDay Reporter

Révisé médicalement par Carmen Pope, rédactrice médicale principale, B. Pharm. Dernière mise à jour le 22 avril 2026.

via HealthDay

MERCREDI 22 avril 2026 -- Une signature de méthylation basée sur CpG combinée à une régression de crête permet une classification multicancer très précise chez les patients atteints de cancers primaires inconnus, selon une étude présentée lors de la réunion annuelle de l'Association américaine pour la recherche sur le cancer, qui s'est tenue du 17 au 22 avril à San Diego.

Marco A. De Velasco, Ph.D., de la faculté de médecine de l'université Kindai à Sakai City, Le Japon et ses collègues ont développé et validé un modèle de prédiction pour la classification des types de cancer basé sur un ensemble ciblé de sites CpG utilisant les données de méthylation de 7 476 patients répartis dans 21 types de cancer. Les données ont été divisées en cohortes de formation et de test. Les régions CpG ont été identifiées en appliquant une approche de sélection de caractéristiques hybride combinant les valeurs de Shapley et l'amplification du gradient ; les performances du modèle ont été évaluées sur la cohorte de test. Une validation indépendante a été réalisée à l'aide des données de 31 cas représentant 17 types de cancer.

Les chercheurs ont sélectionné 1 000 régions CpG. Parmi les modèles testés, les meilleures performances ont été obtenues avec la régression de crête, avec une précision de classification (CA) de 95,4 pour cent, une aire sous la courbe caractéristique de fonctionnement du récepteur (AUC) de 0,998, un score F1 de 0,953 et un coefficient de corrélation de Matthews (MCC) de 0,951 en moyenne pour toutes les classes de la cohorte de formation. Dans la cohorte de test, les performances étaient de 94,7 pour cent de CA, 0,998 AUC, 0,945 F1 et 0,943 MCC, et les performances en validation indépendante étaient de 87,1 pour cent de CA, 0,9993 AUC, 0,847 F1 et 0,867 MCC. Vingt clusters distincts de Louvain ont été identifiés lors d'une analyse non supervisée, mettant en évidence l'hétérogénéité entre les types de cancer.

"Nos résultats suggèrent que les approches basées sur l'ADN peuvent aider à identifier l'endroit où un cancer a pu commencer, même lorsque la tumeur d'origine n'est pas visible", a déclaré De Velasco dans un communiqué.

Communiqué de presse

Plus d'informations

Avertissement : Les données statistiques contenues dans les articles médicaux fournissent des tendances générales et ne concernent pas les individus. Les facteurs individuels peuvent varier considérablement. Demandez toujours un avis médical personnalisé pour les décisions individuelles en matière de soins de santé.

Source : HealthDay

Publié : 2026-04-23 02:08

En savoir plus

Avis de non-responsabilité

Tous les efforts ont été déployés pour garantir que les informations fournies par Drugslib.com sont exactes, jusqu'à -date et complète, mais aucune garantie n'est donnée à cet effet. Les informations sur les médicaments contenues dans ce document peuvent être sensibles au facteur temps. Les informations de Drugslib.com ont été compilées pour être utilisées par des professionnels de la santé et des consommateurs aux États-Unis et, par conséquent, Drugslib.com ne garantit pas que les utilisations en dehors des États-Unis sont appropriées, sauf indication contraire spécifique. Les informations sur les médicaments de Drugslib.com ne cautionnent pas les médicaments, ne diagnostiquent pas les patients et ne recommandent pas de thérapie. Les informations sur les médicaments de Drugslib.com sont une ressource d'information conçue pour aider les professionnels de la santé agréés à prendre soin de leurs patients et/ou pour servir les consommateurs qui considèrent ce service comme un complément et non un substitut à l'expertise, aux compétences, aux connaissances et au jugement des soins de santé. praticiens.

L'absence d'avertissement pour un médicament ou une combinaison de médicaments donné ne doit en aucun cas être interprétée comme indiquant que le médicament ou la combinaison de médicaments est sûr, efficace ou approprié pour un patient donné. Drugslib.com n'assume aucune responsabilité pour aucun aspect des soins de santé administrés à l'aide des informations fournies par Drugslib.com. Les informations contenues dans le présent document ne sont pas destinées à couvrir toutes les utilisations, instructions, précautions, avertissements, interactions médicamenteuses, réactions allergiques ou effets indésirables possibles. Si vous avez des questions sur les médicaments que vous prenez, consultez votre médecin, votre infirmière ou votre pharmacien.

Mots-clés populaires