在弥漫大B细胞淋巴瘤中不同的结构和数目染色体异常决定MYC状态，并有助于与伯基特淋巴瘤的鉴别：基于无监督和AI驱动预测模型的细胞遗传学数据分析

Distinct structural and numerical chromosome abnormalities determine the MYC status in diffuse large B-Cell lymphoma and help differentiate from Burkitt lymphoma: a cytogenetic data analysis using unsupervised and AI-driven prediction models

作者信息Rolando García, Shankar Srinivasan, Mehta Shashi, Frederick Coffman, Prasad Koduru

PMID40681681

期刊Ann Hematol

发布时间2025-07

DOI10.1007/s00277-025-06508-6

来源查看原文

实验完整度

中

研究基于公共数据库的细胞遗传学数据，包括Fisher精确检验、层次聚类、ANN、SVM和逻辑回归等多种分析方法，但缺少体外或体内功能验证。

主要模型

MYC+ DLBCL肿瘤样本（n=71） BL肿瘤样本（n=84） MYC- DLBCL肿瘤样本（n=183）

重点核对

MYC+ DLBCL与BL比较中，+7、15q-、+16、+18的差异（p值分别为0.036、0.0004、0.04、0.04） MYC- DLBCL与BL比较中，1p36-、1q-、-2、+2、+3、-8、9q-、+12、14q-、17p-、19p-、22q-的差异 DLBCL与BL比较中，+X、1p36-、1q-、+2、-2、-4、-8、9q-、+12、15q-、17p-、+18、22q-的差异 ANN模型区分DLBCL和BL的特异性为95-100%，SVM模型特异性为90-95%

摘要

本研究的目的是识别复发性染色体异常（RCAs）以区分这些实体，并在一组预测模型中测试它们的特异性。研究分析了公开可用的细胞遗传学数据，以构建预测DLBCL和BL的模型。使用Fisher精确检验（双尾）评估组间异常数量的显著性差异，以及确定RCAs与这两种实体之间的相关性。p值小于0.05被认为具有统计学意义。通过受试者工作特征曲线（ROC）确定判别分析。所有分析均使用R包进行。使用SAS软件包开发逻辑回归模型。使用更大的数据集（n = 515）构建了两个后续的监督模型以确认初步发现。p值<0.05被认为具有统计学意义。多个RCAs与DLBCL相关，包括1p-、1q-、-2、+3、-4、+5、6p增益、6q-、+7、-8、9q-、-10/-15、-10/-14、+11、+12、14q-、15q-、+16、16q-、17p-、+18、19p-和22q-。其中，+7、15q-、+16和+18在MYC+ DLBCL中比BL更普遍，而1q增益和13q-与BL一致。监督模型的特异性范围为90%至100%，而无监督逻辑回归模型的准确率为85%。我们的研究结果揭示了独特的RCAs，可与模型分类器结合使用，以提高诊断准确性，并帮助临床医生更好地管理这些患者。

样本收集和数据整理

从公共数据库收集DLBCL和BL的核型数据，并确保样本符合纳入标准。

从Mitelman数据库（1980-2013年）和PubMed相关出版物中检索DLBCL、BL、t(8;14)、t(8;22)、t(2;8)和8q24 break关键词。排除儿童患者（<20岁）、仅具有MYC::IG易位的假二倍体核型的肿瘤、未完全描述或不符合ISCN标准的肿瘤。仅纳入异常数目大于2的肿瘤。

RCAs分析

识别DLBCL和BL之间以及MYC+和MYC- DLBCL之间显著相关的复发性染色体异常。

手动整理338个肿瘤（254例DLBCL和84例BL）的核型。使用Fisher精确检验（双尾）评估不同组间异常数目的显著性差异，并确定RCAs与每组的关联。p值<0.05被认为有统计学意义。

无监督层次聚类（热图）分析

使用无监督方法（层次聚类热图）基于RCAs对样本进行分类，以评估其区分DLBCL和BL的能力。

对数据集2（177个肿瘤，117例DLBCL，60例BL）的RCAs进行无监督层次聚类分析，生成热图。模型预测DLBCL和BL的准确率为92.9%。

监督人工神经网络（ANN）分析

使用监督ANN模型，根据RCAs的有无，预测测试病例的病理类型（DLBCL或BL）。

使用单隐藏层的ANN模型，基于21个RCAs对样本进行分类。训练集包含100个样本，测试集包含77个样本（DLBCL=51，BL=26）。根据ROC确定的最佳截断点，得分指数<0.2被诊断为BL。该模型误分类了6例（1例DLBCL，5例BL）。

ROC分析

评估各预测模型的判别能力（特异性、敏感性、AUC）。

使用ROC方法评估热图和ANN模型的判别能力。热图的AUC为0.9，ANN模型的AUC也为0.9，均优于逻辑回归模型的0.85。热图的阳性预测值（PPV）为0.94，阴性预测值（NPV）为0.92；ANN模型的PPV为0.91，NPV为0.96。

监督模型验证（ANN, SVM, 逻辑回归）

使用更大的数据集验证先前识别的RCAs在预测DLBCL和BL中的性能。

使用515个肿瘤的数据集（数据集3）构建和验证ANN和SVM模型。两个模型均使用343个样本训练，172个样本测试。ANN模型对DLBCL的检测特异性为95-100%（平均98.1%），SVM模型的特异性为90-95%（平均93.3%）。此外，采用10折交叉验证和1000次迭代的bootstrap进行内部验证。

实验环节	名称	品牌	货号
数据分析和聚类	R包	--	--
逻辑回归分析	SAS软件包	SAS	--
数据分析和聚类	String数据库	--	--

实验环节

名称

品牌

货号

数据分析和聚类

R包

逻辑回归分析

SAS软件包

SAS

数据分析和聚类

String数据库

环节	核对要点
样本收集和数据整理	数据库来源（Mitelman数据库）、检索关键词（DLBCL, BL, t(8;14), t(8;22), t(2;8), 8q24 break）、纳入标准（异常数目>2）和排除标准（年龄<20岁、仅具有MYC::IG易位、核型未完全描述或不符合ISCN标准）。阅读提示：方法部分，样本收集和数据整理段落
RCAs分析	比较组（MYC+ DLBCL vs. BL, MYC+ DLBCL vs. MYC- DLBCL, DLBCL vs. BL）、统计检验（Fisher精确检验，双尾）、显著性水平（p<0.05）。阅读提示：方法部分，RCAs段落，表1和表2
无监督层次聚类（热图）分析	数据集2的组成（177个肿瘤，117例DLBCL，60例BL）、聚类方法（层次聚类）、使用的RCAs数量。阅读提示：方法部分，聚类分析段落；结果部分，热图段落；图2和表3
监督人工神经网络（ANN）分析	训练集和测试集的样本量（训练：100；测试：77）、隐藏层数（一个）、使用的RCAs数量（21）、阈值（得分指数<0.2）。阅读提示：方法部分，聚类分析段落；结果部分，人工神经网络分析段落；图3
监督模型验证（ANN, SVM, 逻辑回归）	数据集3的组成（515个肿瘤）、训练集和测试集的样本量（训练：343；测试：172）、内部验证方法（10折交叉验证、bootstrap 1000次迭代）、特异性范围。阅读提示：方法部分，聚类分析段落；结果部分，ANN, SVM & Logistic Regression Models段落；图5

环节

核对要点

样本收集和数据整理

数据库来源（Mitelman数据库）、检索关键词（DLBCL, BL, t(8;14), t(8;22), t(2;8), 8q24 break）、纳入标准（异常数目>2）和排除标准（年龄<20岁、仅具有MYC::IG易位、核型未完全描述或不符合ISCN标准）。

阅读提示：方法部分，样本收集和数据整理段落

RCAs分析

比较组（MYC+ DLBCL vs. BL, MYC+ DLBCL vs. MYC- DLBCL, DLBCL vs. BL）、统计检验（Fisher精确检验，双尾）、显著性水平（p<0.05）。

阅读提示：方法部分，RCAs段落，表1和表2

无监督层次聚类（热图）分析

数据集2的组成（177个肿瘤，117例DLBCL，60例BL）、聚类方法（层次聚类）、使用的RCAs数量。

阅读提示：方法部分，聚类分析段落；结果部分，热图段落；图2和表3

监督人工神经网络（ANN）分析

训练集和测试集的样本量（训练：100；测试：77）、隐藏层数（一个）、使用的RCAs数量（21）、阈值（得分指数<0.2）。

阅读提示：方法部分，聚类分析段落；结果部分，人工神经网络分析段落；图3

监督模型验证（ANN, SVM, 逻辑回归）

数据集3的组成（515个肿瘤）、训练集和测试集的样本量（训练：343；测试：172）、内部验证方法（10折交叉验证、bootstrap 1000次迭代）、特异性范围。

阅读提示：方法部分，聚类分析段落；结果部分，ANN, SVM & Logistic Regression Models段落；图5

大家都在搜

大家都在搜