A. Polewko-Klim, K. Mnich, W.R. Rudnicki. Robust Data Integration Method for Classification of Biomedical Data. Journal of Medical Systems 45(4):45 (2021), DOI: 10.1007/s10916-021-01718-7 (100 pkt. MNiSzW)

Wczesna diagnoza jest kluczowa dla wyboru i zwiekszenia skuteczność leczenia nowotworów. W niniejszej pracy, wykorzystując szereg zaawansowanych metod uczenia maszynowego, przedstawiliśmy i porównaliśmy różne modele predykcyjne, w tym model hybrydowy, których celem jest określanie klinicznego punktu końcowego pacjenta (KPKP) na podstawie danych klinicznich i omicznych m.in. profili ekspresji genów (GE), metylacji DNA, RNA-seq, danych mikromacierzowych białek z odwróconą fazą (RPPA), różnic w liczbie kopii genów (CNV). Opracowano nowy model integracji danych omicznych i klinicznych, w których wykorzystano zmienne syntetyczne tj. zmienne wyjściowe modeli budowanych na indywidualnych i wyselekcjonowanych danych omicznych. Skuteczność modelu badano analizując dane pacjentów z rakiem piersi i pacjentów z rakiem pęcherza moczowowego. Nasze analizy wskazały kluczowe dla predykcji KPKP markery kliniczne i markery molekularne. Pokazały, iż możemy znacząco zwiększyć skuteczność predykcji KPKP, gdy do standardowych zmiennych klinicznych dołączymy zmienne syntetyczne wyznaczane na podstawie określonych danych molekularnych, np. w przypadku pacjentów z rakiem piersi danych GE i danych CNV, a w przypadku pacjentów z rakiem pęcherza moczowego danych RNA.

We present a protocol for integrating two types of biological data — clinical and molecular — for more effective classification of patients with cancer. The proposed approach is a hybrid between early and late data integration strategy. In this hybrid protocol, the set of informative clinical features is extended by the classification results based on molecular data sets. The results are then treated as new synthetic variables.
The hybrid protocol was applied to METABRIC breast cancer (BRCA) samples and TCGA urothelial bladder carcinoma (BLCA) samples. Various data types were used for clinical endpoint prediction: clinical data, gene expression, somatic copy number aberrations, RNA-Seq, methylation, and reverse phase protein array.
The performance of the hybrid data integration was evaluated with a repeated cross validation procedure and compared with other methods of data integration: early integration and late integration via super learning. The hybrid method gave similar results to those obtained by the best of the tested variants of super learning.
What is more, the hybrid method allowed for further sensitivity analysis and recursive feature elimination, which led to compact predictive models for cancer clinical endpoints.
For BRCA cancer, the final model consists of eight clinical variables and two synthetic features obtained from molecular data (GE, CNA). For BLCA cancer, only two clinical features and one synthetic variable (RNA data) were necessary to build the best predictive model.