SOPA and SIMPA: normalized single-sample integrated multiomics pathway analysis of tumor heterogeneity in solid cancers.
Résumé
La gestion de l'hétérogénéité tumorale, particulièrement dans les cancers métastatiques, représente un défi majeur. Cet article présente SOPA (Single-Omic Pathway Analysis) et SIMPA (Single-sample Integrated Multiomics Pathway Analysis), deux pipelines bioinformatiques conçus pour l'analyse différentielle supervisée des voies moléculaires au niveau d'échantillons uniques. Ces outils comparent le profil moléculaire de chaque échantillon à un ensemble de contrôles prédéfinis. Ils se sont montrés plus efficaces que les méthodes existantes pour identifier des perturbations spécifiques à un échantillon et des sous-groupes tumoraux distincts, notamment en termes d'activité immunitaire et métabolique, avec des implications pour la survie des patients.
Analyse
Ce travail présente SOPA et SIMPA, des pipelines bioinformatiques novateurs pour l'analyse multiomique intégrée au niveau de l'échantillon unique. L'approche est basée sur des algorithmes personnalisés qui permettent une analyse différentielle supervisée des activités de voie, comparant chaque échantillon à des contrôles prédéfinis. Les outils démontrent une amélioration par rapport aux méthodes existantes comme ssGSEA, GSVA pour l'analyse mono-omique, et MOGSA, padma pour l'intégration multiomique, en identifiant des déviations spécifiques à l'échantillon et des sous-groupes tumoraux distincts, notamment ceux liés à l'immunité et au métabolisme. Le code Python est open-source et disponible sur GitHub, ce qui favorise la reproductibilité et l'adoption. En déploiement clinique, ces outils pourraient transformer le workflow en permettant une génération d'hypothèses personnalisées pour l'investigation de l'hétérogénéité tumorale, facilitant ainsi la médecine de précision.