Perpustakaan Digital ITB

Diagnosis subtipe kanker non-small cell lung cancer (NSCLC), khususnya adenokarsinoma (LUAC) dan karsinoma sel pipih (LUSC), masih menghadapi tantangan dalam akurasi dan konsistensi. Tantangan utama dalam diagnosis kedua subtipe ini adalah metode imunohistokimia (IHK) yang diketahui memiliki tingkat kesalahan akibat subjektivitas hingga 40%. Kesalahan tersebut dapat memicu keterlambatan penanganan serta komplikasi akibat biopsi berulang. Penelitian ini bertujuan untuk mengamati pola metilasi DNA menggunakan Random Forest (RF) dan Artificial Neural Network (ANN), serta mengidentifikasi gen-gen baru yang berpotensi menjadi marker tambahan untuk membedakan LUAC dan LUSC. Data genom LUAC (n=473) dan LUSC (n=369) dikumpulkan dari The Cancer Genome Atlas (TCGA) dan diproses menggunakan pustaka Sesame (R). Seleksi fitur terhadap titik metilasi dilakukan dengan RF menggunakan pendekatan Local False Discovery Rate (LFDR). CpG terseleksi dari RF (n=2396) digunakan untuk melatih ANN dan diuji pada dataset GSE158422 dan GSE180060. Performa algoritma diperoleh dalam bentuk matriks akurasi, Receiver Operator Curve (ROC), dan Area Under Curve (AUC). Gen-gen terkait CpG utama yang digunakan oleh ANN diidentifikasi dan diuji korelasinya terhadap data mRNA menggunakan metode Spearman. Dari uji eksternal, ANN mencapai akurasi umum 92% dengan AUC sebesar 85,8% dalam membedakan kedua subtipe. Sebanyak 13 gen teridentifikasi dari CpG utama ANN, dengan ZNF750, SHISA4, dan TNS4 menunjukkan korelasi metilasi-ekspresi yang sangat kuat serta pola ekspresi yang konsisten antar subtipe. Titik metilasi pada ZNF650 dan TNS4 teramati mengalami hipermetilasi (beta >0,8) pada LUAC, sementara SHISA4 mengalami hipometilasi pada LUAC (beta <0,3). Ketiga gen tersebut diketahui berperan dalam regulasi fenotip kedua subtipe serta kemampuan metastasis. Namun, pola kontras dan korelasi produk protein dari gen-gen ini pada kedua subtipe perlu dikonfirmasi lebih lanjut. Dengan demikian, dapat disimpulkan bahwa pendekatan RF dan ANN memiliki potensi untuk digunakan pada masa mendatang dalam pencarian marker metilasi serta membantu membedakan subtipe dalam diagnosis LUSC dan LUAC.