Precision in prediction: tailoring machine learning models for breast cancer missense variants pathogenicity prediction
Notice bibliographique
Résumé
Accurate classification of genetic variants is critical for precision medicine, particularly hereditary diseases such as breast cancer. However, widely used tools like MutPred and Combined Annotation Dependent Depletion (CADD) offer genome-wide pathogenicity predictions that often overlook disease-specific variant behavior, limiting their clinical utility. This study addresses that gap by training and benchmarking nine machine learning (ML) models-including ensemble and baseline classifiers-on a breast cancer gene-specific dataset rich in conservation scores, functional annotations, and allele frequency features. Among all models, the Extra Trees model achieved the highest performance, with an accuracy of 0.999 and a 95% confidence interval of (0.998-1.000). recursive feature elimination identified the most informative genomic features, enhancing model efficiency. To ensure clinical transparency, we applied interpretability techniques including Local Interpretable Model-Agnostic Explanations and permutation feature importance, which highlighted the key drivers of each prediction. The calibration curve further confirmed the reliability of predicted probabilities, supporting their potential use in clinical decision-making. On an independent ClinGen dataset, Extra Trees achieved 99.1% accuracy and outperformed widely used predictors confirming its robustness and clinical applicability. This is the first comprehensive benchmarking study to apply ML models specifically to breast cancer-related missense variants using disease-gene-specific training data and integrated interpretability. Our results show that disease-specific ML approaches outperform general predictors, offering improved reliability, transparency, and relevance to clinical genomics. By bridging the gap between broad genome-wide tools and tailored clinical prediction, this study lays the foundation for implementing ML-driven pathogenicity prediction in breast cancer diagnostics and precision medicine, with potential expansion to other disease contexts.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».