Machine Learning Detects Pan-cancer Ras Pathway Activation in The Cancer Genome Atlas.

Details

Ressource 1Download: 1-s2.0-S2211124718303899-main.pdf (2544.98 [Ko])
State: Public
Version: Final published version
Serval ID
serval:BIB_C45257D74D13
Type
Article: article from journal or magazin.
Collection
Publications
Institution
Title
Machine Learning Detects Pan-cancer Ras Pathway Activation in The Cancer Genome Atlas.
Journal
Cell Reports
Author(s)
Way G.P., Sanchez-Vega F., La K., Armenia J., Chatila W.K., Luna A., Sander C., Cherniack A.D., Mina M., Ciriello G., Schultz N., Sanchez Y., Greene C.S.
Working group(s)
Cancer Genome Atlas Research Network
Contributor(s)
Caesar-Johnson S.J., Demchok J.A., Felau I., Kasapi M., Ferguson M.L., Hutter C.M., Sofia H.J., Tarnuzzer R., Wang Z., Yang L., Zenklusen J.C., Zhang J.J., Chudamani S., Liu J., Lolla L., Naresh R., Pihl T., Sun Q., Wan Y., Wu Y., Cho J., DeFreitas T., Frazer S., Gehlenborg N., Getz G., Heiman D.I., Kim J., Lawrence M.S., Lin P., Meier S., Noble M.S., Saksena G., Voet D., Zhang H., Bernard B., Chambwe N., Dhankani V., Knijnenburg T., Kramer R., Leinonen K., Liu Y., Miller M., Reynolds S., Shmulevich I., Thorsson V., Zhang W., Akbani R., Broom B.M., Hegde A.M., Ju Z., Kanchi R.S., Korkut A., Li J., Liang H., Ling S., Liu W., Lu Y., Mills G.B., Ng K.S., Rao A., Ryan M., Wang J., Weinstein J.N., Zhang J., Abeshouse A., Armenia J., Chakravarty D., Chatila W.K., de Bruijn I., Gao J., Gross B.E., Heins Z.J., Kundra R., La K., Ladanyi M., Luna A., Nissan M.G., Ochoa A., Phillips S.M., Reznik E., Sanchez-Vega F., Sander C., Schultz N., Sheridan R., Sumer S.O., Sun Y., Taylor B.S., Wang J., Zhang H., Anur P., Peto M., Spellman P., Benz C., Stuart J.M., Wong C.K., Yau C., Hayes D.N., Parker J.S., Wilkerson M.D., Ally A., Balasundaram M., Bowlby R., Brooks D., Carlsen R., Chuah E., Dhalla N., Holt R., Jones SJM, Kasaian K., Lee D., Ma Y., Marra M.A., Mayo M., Moore R.A., Mungall A.J., Mungall K., Robertson A.G., Sadeghi S., Schein J.E., Sipahimalani P., Tam A., Thiessen N., Tse K., Wong T., Berger A.C., Beroukhim R., Cherniack A.D., Cibulskis C., Gabriel S.B., Gao G.F., Ha G., Meyerson M., Schumacher S.E., Shih J., Kucherlapati M.H., Kucherlapati R.S., Baylin S., Cope L., Danilova L., Bootwalla M.S., Lai P.H., Maglinte D.T., Van Den Berg D.J., Weisenberger D.J., Auman J.T., Balu S., Bodenheimer T., Fan C., Hoadley K.A., Hoyle A.P., Jefferys S.R., Jones C.D., Meng S., Mieczkowski P.A., Mose L.E., Perou A.H., Perou C.M., Roach J., Shi Y., Simons J.V., Skelly T., Soloway M.G., Tan D., Veluvolu U., Fan H., Hinoue T., Laird P.W., Shen H., Zhou W., Bellair M., Chang K., Covington K., Creighton C.J., Dinh H., Doddapaneni H., Donehower L.A., Drummond J., Gibbs R.A., Glenn R., Hale W., Han Y., Hu J., Korchina V., Lee S., Lewis L., Li W., Liu X., Morgan M., Morton D., Muzny D., Santibanez J., Sheth M., Shinbrot E., Wang L., Wang M., Wheeler D.A., Xi L., Zhao F., Hess J., Appelbaum E.L., Bailey M., Cordes M.G., Ding L., Fronick C.C., Fulton L.A., Fulton R.S., Kandoth C., Mardis E.R., McLellan M.D., Miller C.A., Schmidt H.K., Wilson R.K., Crain D., Curley E., Gardner J., Lau K., Mallery D., Morris S., Paulauskis J., Penny R., Shelton C., Shelton T., Sherman M., Thompson E., Yena P., Bowen J., Gastier-Foster J.M., Gerken M., Leraas K.M., Lichtenberg T.M., Ramirez N.C., Wise L., Zmuda E., Corcoran N., Costello T., Hovens C., Carvalho A.L., de Carvalho A.C., Fregnani J.H., Longatto-Filho A., Reis R.M., Scapulatempo-Neto C., Silveira HCS, Vidal D.O., Burnette A., Eschbacher J., Hermes B., Noss A., Singh R., Anderson M.L., Castro P.D., Ittmann M., Huntsman D., Kohl B., Le X., Thorp R., Andry C., Duffy E.R., Lyadov V., Paklina O., Setdikova G., Shabunin A., Tavobilov M., McPherson C., Warnick R., Berkowitz R., Cramer D., Feltmate C., Horowitz N., Kibel A., Muto M., Raut C.P., Malykh A., Barnholtz-Sloan J.S., Barrett W., Devine K., Fulop J., Ostrom Q.T., Shimmel K., Wolinsky Y., Sloan A.E., De Rose A., Giuliante F., Goodman M., Karlan B.Y., Hagedorn C.H., Eckman J., Harr J., Myers J., Tucker K., Zach L.A., Deyarmin B., Hu H., Kvecher L., Larson C., Mural R.J., Somiari S., Vicha A., Zelinka T., Bennett J., Iacocca M., Rabeno B., Swanson P., Latour M., Lacombe L., Têtu B., Bergeron A., McGraw M., Staugaitis S.M., Chabot J., Hibshoosh H., Sepulveda A., Su T., Wang T., Potapova O., Voronina O., Desjardins L., Mariani O., Roman-Roman S., Sastre X., Stern M.H., Cheng F., Signoretti S., Berchuck A., Bigner D., Lipp E., Marks J., McCall S., McLendon R., Secord A., Sharp A., Behera M., Brat D.J., Chen A., Delman K., Force S., Khuri F., Magliocca K., Maithel S., Olson J.J., Owonikoko T., Pickens A., Ramalingam S., Shin D.M., Sica G., Van Meir E.G., Zhang H., Eijckenboom W., Gillis A., Korpershoek E., Looijenga L., Oosterhuis W., Stoop H., van Kessel K.E., Zwarthoff E.C., Calatozzolo C., Cuppini L., Cuzzubbo S., DiMeco F., Finocchiaro G., Mattei L., Perin A., Pollo B., Chen C., Houck J., Lohavanichbutr P., Hartmann A., Stoehr C., Stoehr R., Taubert H., Wach S., Wullich B., Kycler W., Murawa D., Wiznerowicz M., Chung K., Edenfield W.J., Martin J., Baudin E., Bubley G., Bueno R., De Rienzo A., Richards W.G., Kalkanis S., Mikkelsen T., Noushmehr H., Scarpace L., Girard N., Aymerich M., Campo E., Giné E., Guillermo A.L., Van Bang N., Hanh P.T., Phu B.D., Tang Y., Colman H., Evason K., Dottino P.R., Martignetti J.A., Gabra H., Juhl H., Akeredolu T., Stepa S., Hoon D., Ahn K., Kang K.J., Beuschlein F., Breggia A., Birrer M., Bell D., Borad M., Bryce A.H., Castle E., Chandan V., Cheville J., Copland J.A., Farnell M., Flotte T., Giama N., Ho T., Kendrick M., Kocher J.P., Kopp K., Moser C., Nagorney D., O'Brien D., O'Neill B.P., Patel T., Petersen G., Que F., Rivera M., Roberts L., Smallridge R., Smyrk T., Stanton M., Thompson R.H., Torbenson M., Yang J.D., Zhang L., Brimo F., Ajani J.A., Gonzalez AMA, Behrens C., Bondaruk J., Broaddus R., Czerniak B., Esmaeli B., Fujimoto J., Gershenwald J., Guo C., Lazar A.J., Logothetis C., Meric-Bernstam F., Moran C., Ramondetta L., Rice D., Sood A., Tamboli P., Thompson T., Troncoso P., Tsao A., Wistuba I., Carter C., Haydu L., Hersey P., Jakrot V., Kakavand H., Kefford R., Lee K., Long G., Mann G., Quinn M., Saw R., Scolyer R., Shannon K., Spillane A., Stretch J., Synott M., Thompson J., Wilmott J., Al-Ahmadie H., Chan T.A., Ghossein R., Gopalan A., Levine D.A., Reuter V., Singer S., Singh B., Tien N.V., Broudy T., Mirsaidi C., Nair P., Drwiega P., Miller J., Smith J., Zaren H., Park J.W., Hung N.P., Kebebew E., Linehan W.M., Metwalli A.R., Pacak K., Pinto P.A., Schiffman M., Schmidt L.S., Vocke C.D., Wentzensen N., Worrell R., Yang H., Moncrieff M., Goparaju C., Melamed J., Pass H., Botnariuc N., Caraman I., Cernat M., Chemencedji I., Clipca A., Doruc S., Gorincioi G., Mura S., Pirtac M., Stancul I., Tcaciuc D., Albert M., Alexopoulou I., Arnaout A., Bartlett J., Engel J., Gilbert S., Parfitt J., Sekhon H., Thomas G., Rassl D.M., Rintoul R.C., Bifulco C., Tamakawa R., Urba W., Hayward N., Timmers H., Antenucci A., Facciolo F., Grazi G., Marino M., Merola R., de Krijger R., Gimenez-Roqueplo A.P., Piché A., Chevalier S., McKercher G., Birsoy K., Barnett G., Brewer C., Farver C., Naska T., Pennell N.A., Raymond D., Schilero C., Smolenski K., Williams F., Morrison C., Borgia J.A., Liptay M.J., Pool M., Seder C.W., Junker K., Omberg L., Dinkin M., Manikhas G., Alvaro D., Bragazzi M.C., Cardinale V., Carpino G., Gaudio E., Chesla D., Cottingham S., Dubina M., Moiseenko F., Dhanasekaran R., Becker K.F., Janssen K.P., Slotta-Huspenina J., Abdel-Rahman M.H., Aziz D., Bell S., Cebulla C.M., Davis A., Duell R., Elder J.B., Hilty J., Kumar B., Lang J., Lehman N.L., Mandt R., Nguyen P., Pilarski R., Rai K., Schoenfield L., Senecal K., Wakely P., Hansen P., Lechan R., Powers J., Tischler A., Grizzle W.E., Sexton K.C., Kastl A., Henderson J., Porten S., Waldmann J., Fassnacht M., Asa S.L., Schadendorf D., Couce M., Graefen M., Huland H., Sauter G., Schlomm T., Simon R., Tennstedt P., Olabode O., Nelson M., Bathe O., Carroll P.R., Chan J.M., Disaia P., Glenn P., Kelley R.K., Landen C.N., Phillips J., Prados M., Simko J., Smith-McCune K., VandenBerg S., Roggin K., Fehrenbach A., Kendler A., Sifri S., Steele R., Jimeno A., Carey F., Forgie I., Mannelli M., Carney M., Hernandez B., Campos B., Herold-Mende C., Jungk C., Unterberg A., von Deimling A., Bossler A., Galbraith J., Jacobus L., Knudson M., Knutson T., Ma D., Milhem M., Sigmund R., Godwin A.K., Madan R., Rosenthal H.G., Adebamowo C., Adebamowo S.N., Boussioutas A., Beer D., Giordano T., Mes-Masson A.M., Saad F., Bocklage T., Landrum L., Mannel R., Moore K., Moxley K., Postier R., Walker J., Zuna R., Feldman M., Valdivieso F., Dhir R., Luketich J., Pinero EMM, Quintero-Aguilo M., Carlotti C.G., Dos Santos J.S., Kemp R., Sankarankuty A., Tirapelli D., Catto J., Agnew K., Swisher E., Creaney J., Robinson B., Shelley C.S., Godwin E.M., Kendall S., Shipman C., Bradford C., Carey T., Haddad A., Moyer J., Peterson L., Prince M., Rozek L., Wolf G., Bowman R., Fong K.M., Yang I., Korst R., Rathmell W.K., Fantacone-Campbell J.L., Hooke J.A., Kovatich A.J., Shriver C.D., DiPersio J., Drake B., Govindan R., Heath S., Ley T., Van Tine B., Westervelt P., Rubin M.A., Lee J.I., Aredes N.D., Mariamidze A.
ISSN
2211-1247 (Electronic)
Publication state
Published
Issued date
2018
Peer-reviewed
Oui
Volume
23
Number
1
Pages
172-180.e3
Language
english
Abstract
Precision oncology uses genomic evidence to match patients with treatment but often fails to identify all patients who may respond. The transcriptome of these "hidden responders" may reveal responsive molecular states. We describe and evaluate a machine-learning approach to classify aberrant pathway activity in tumors, which may aid in hidden responder identification. The algorithm integrates RNA-seq, copy number, and mutations from 33 different cancer types across The Cancer Genome Atlas (TCGA) PanCanAtlas project to predict aberrant molecular states in tumors. Applied to the Ras pathway, the method detects Ras activation across cancer types and identifies phenocopying variants. The model, trained on human tumors, can predict response to MEK inhibitors in wild-type Ras cell lines. We also present data that suggest that multiple hits in the Ras pathway confer increased Ras activity. The transcriptome is underused in precision oncology and, combined with machine learning, can aid in the identification of hidden responders.
Keywords
Gene expression, HRAS, KRAS, NF1, NRAS, Ras, TCGA, drug sensitivity, machine learning, pan-cancer
Pubmed
Web of science
Open Access
Yes
Create date
09/05/2018 7:47
Last modification date
20/08/2019 15:39
Usage data