T-cells and B-cells are the major components regarding tumor-specific immune activation. Complementarity determining region 3 (CDR3) immune receptor repertoires constructed from activated immune cells represent the unique cancer status in individuals. However, an approach based on immunological characteristics has yet to be widely used in the diagnosis of multiple cancers, especially in the liquid biopsy field. Hence, we apply a deep neural network model reflecting 124 cancer-specific immunological features from more than 5,000 tumors and 4,000 normal tissue-derived transcriptomes. The model successfully distinguishes 530 blood samples of various cancer types from 701 normal blood samples resulting in a ROC-AUC of 0.93. Interpretation of the model unveils the significance of features related to the B-cell receptor repertoire. Our research highlights the application of immune-derived features in a noninvasive, blood-based multiple cancer prediction.
T 세포와 B 세포는 종양 특이적인 면역반응의 활성화에 관여하는 주된 요인이다. 활성화된 면역 세포로 구성된 상보적 결정 영역 3에 기반한 면역 수용체 레퍼토리는 개인의 고유한 암 상태를 나타낸다. 그러나 면역학적 특성을 사용해 다양한 암종들을 진단하는 접근 방식은 아직 액체 생검 분야에서 널리 사용되지 않고 있다. 따라서 본 연구는 심층 신경망 구조를 적용하여 모델이 5,000 개 이상의 암 조직과 4,000 개 이상의 정상 조직 전사체로부터 124 가지의 암 특이적인 면역학적 특성을 반영하도록 하였다. 학습된 모델은 다양한 암종들로 이루어진 530 개의 혈액 샘플을 701 개의 정상 혈액 샘플로부터 성공적으로 구분하였으며, ROC-AUC 0.93 의 성능을 보여주었다. 모델 해석을 통해서 B 세포 수용체 레퍼토리와 관련된 특성들의 중요성 또한 확인하였다. 본 학위논문을 통해 면역 유래 특성들이 액체 생검을 통한 비침습적 다중 암 예측에 적용될 수 있음을 제안한다.