Simulation-Based Assessment of Cancer-Associated cfDNA Methylation and miRNA Profiles for Forensic Molecular Inference: A Proof-of-Concept Machine-Learning Study

Sintesi Tecnica: Valutazione Basata su Simulazione dei Profili di Metilazione del cfDNA e miRNA Associati al Cancro per l'Inferenza Molecolare Forense

Problematica
Il fenotipizzazione del DNA forense (FDP) si sta espandendo oltre i tratti esternamente visibili (es. pigmentazione, ascendenza) verso l'inferenza molecolare probabilistica. Tuttavia, l'inferenza di stati associati a malattie, come il cancro, presenta sfide uniche rispetto alla predizione di tratti fisici. L'inferenza di malattie coinvolge informazioni sulla salute sensibili, sollevando significativi problemi etici, legali ed evidentiari riguardanti la privacy e la proporzionalità. Inoltre, la traduzione dei biomarcatori da biopsia liquida clinica (metilazione del DNA cell-free [cfDNA] e microRNA [miRNA]) nei contesti forensi è complicata dalla degradazione ambientale, contaminazione, input a basso template e tracce da fonti miste. Manca un benchmark computazionale controllato per valutare se i profili combinati di metilazione del cfDNA e miRNA possano teoricamente distinguere tra stati molecolari sani e associati al cancro all'interno di un quadro forense, senza esagerare la validità clinica o operativa.

Metodologia
Questo studio è una prova di concetto, orientata al contesto forense, progettata per valutare la capacità discriminatoria interna di profili molecolari combinati. Non ha coinvolto partecipanti umani, raccolta di campioni biologici o test diagnostici.

• Generazione dei Dati: Un dataset bilanciato di 1.000 profili molecolari simulati è stato generato (500 sani, 500 associati al cancro) utilizzando 100 predittori (50 variabili di metilazione del cfDNA e 50 variabili di espressione del miRNA). La simulazione è stata informata da risorse pubblicamente disponibili relative al tumore al polmone (es. dataset GEO GSE157152) e dalla letteratura peer-reviewed per garantire la plausibilità biologica.
• Parametri di Simulazione: Il modello ha incorporato l'eterogeneità biologica, la correlazione tra le caratteristiche (tramite fattori latenti condivisi), la variazione stocastica e la parziale sovrapposizione distributiva tra le classi per evitare una separazione deterministica. Un parametro di effetto globale di 0,56 è stato applicato a un sottoinsieme di variabili per simulare gli effetti di classe.
• Modellazione della Perturbazione Forense: Per valutare la robustezza, lo studio ha introdotto scenari di stress-test che simulano condizioni forensi avverse:
  • Degradazione: Attenuazione del segnale correlato alla classe (20%, 40%, 60%).
  • Contaminazione: Miscelazione parziale del profilo (10%, 20%, 40%).
  • Rumore Analitico: Inflazione della varianza stocastica (25%, 50%, 100%).
  • Sovrapposizione di Classe: Contrazione delle dimensioni dell'effetto tra i gruppi (30%, 50%).
• Approccio di Machine Learning: Sono stati confrontati cinque algoritmi supervisionati: Regressione Logistica, Support Vector Machine (kernel RBF), Random Forest, Gradient Boosting ed Extreme Gradient Boosting. I modelli sono stati valutati tramite cross-validazione stratificata a cinque pieghe con predizioni out-of-fold raggruppate.
• Selezione del Modello: Il Gradient Boosting è stato mantenuto come classificatore "conservativo" primario. Sebbene la Regressione Logistica e la SVM abbiano ottenuto AUC interne più elevate, il Gradient Boosting è stato scelto per evitare di inquadrare lo studio con metriche di performance massimali e potenzialmente troppo ottimistiche.

Risultati Chiave

• Performance di Base: Sotto ipotesi di simulazione controllate, lo spazio delle caratteristiche combinato di metilazione del cfDNA e miRNA ha dimostrato una forte separazione delle classi. Il modello primario di Gradient Boosting ha raggiunto un'Area Sotto la Curva (AUC) out-of-fold di 0,9932, con un'accuratezza di 0,967, precisione di 0,968, richiamo (sensibilità) di 0,966 e un F1-score di 0,967.
• Matrice di Confusione: Il modello primario ha prodotto 484 veri negativi, 483 veri positivi, 16 falsi positivi e 17 falsi negativi.
• Importanza delle Caratteristiche: Il modello ha utilizzato informazioni da entrambi i livelli molecolari, con le caratteristiche di alto rango che includevano sia variabili di metilazione (MET) che di miRNA (miR), suggerendo che i profili combinati mantengono informazioni discriminative.
• Analisi di Sensibilità: La performance è stata altamente sensibile alle condizioni avverse.
  • Alta Degradazione (60% di attenuazione del segnale): L'AUC è scesa a 0,8352.
  • Alto Rumore Analitico (100% di inflazione della varianza): L'AUC è scesa a 0,8972.
  • Alta Sovrapposizione di Classe (50% di contrazione dell'effetto): L'AUC è scesa a 0,8876.
  • Alta Contaminazione (40% di miscelazione): L'AUC è scesa a 0,9340.
  • Questi risultati indicano che il segnale di classificazione non è invariante rispetto alle condizioni di stress forense.

Significatività e Rivendicazioni
Gli autori posizionano questo lavoro strettamente come un benchmark computazionale e un punto di partenza metodologico, rifiutando esplicitamente rivendicazioni di validità diagnostica clinica o utilità forense operativa.

• Prova di Concetto: Lo studio dimostra che, all'interno di una simulazione controllata, i profili combinati di metilazione del cfDNA e miRNA possiedono una forte discriminabilità interna tra stati sani e associati al cancro.
• Trasparenza Metodologica: Specificando i parametri di simulazione, confrontando molteplici algoritmi e conducendo test di stress, lo studio evita di presentare un singolo AUC elevato come prova sufficiente di validità forense. Evidenzia che, sebbene il segnale sia forte sotto ipotesi ideali, esso degrada significativamente sotto vincoli forensi realistici (degradazione, rumore, contaminazione).
• Limitazioni e Confini: Il documento sottolinea che il dataset è simulato, non derivato da tracce forensi autentiche. Non valida il rilevamento del cancro da prove sulla scena del crimine, non stabilisce la diagnosi del donatore e non supporta l'uso investigativo.
• Requisiti Futuri: Gli autori concludono che qualsiasi progresso verso la pratica richiede la validazione in laboratorio (wet-lab) utilizzando materiali forensi autentici (degradati, misti, a basso template), dataset esterni indipendenti e l'istituzione di esplicite salvaguardie etiche, legali e di reporting prima che qualsiasi applicazione investigativa possa essere considerata.

In sintesi, il documento fornisce una valutazione conservativa e trasparente del potenziale teorico dell'inferenza molecolare associata al cancro in ambito forense, delineando rigorosamente il divario tra simulazione computazionale e realtà operativa.