Алгоритм превращает открытие гена рака с ног на голову

Алгоритм переворачивает обнаружение гена рака на голову
                Система искусственного интеллекта, разработанная учеными KAUST, выявляет гены, которые управляют ростом опухоли. Здесь Марва Абдельхаким (слева) и Сара Альтубаити готовят библиотеку ДНК, использованную для исследования. Кредит: 2020 КАУСТ

В методе поиска генов, которые стимулируют рост опухоли, используются алгоритмы машинного обучения для просеивания множества молекулярных данных, собранных в ходе исследований раковых клеточных линий, мышиных моделей и пациентов.
                                                                                       

Научив систему искусственного интеллекта связывать определенные мутации ДНК с измененной функциональностью, команда во главе с Робертом Хендорфом из Исследовательского центра вычислительной биологии KAUST показала, что они могут идентифицировать гены с известной причинной ролью в раке и выбрать десятки предполагаемых новых для 20 различных типов опухолей.

Метод прогнозирования — описанный в Scientific Reports и свободно доступный в Интернете — может помочь клиницистам адаптировать лекарства к молекулярным подтипам пациентов. Он также может использоваться фармацевтическими компаниями в поисках новых терапевтических целей.

«Наш метод может использоваться в качестве основы для прогнозирования и проверки генов, вызывающих рак, в любой базе данных или в реальной выборке населения», — говорит Сара Альтубаити, доктор философии. студент в лаборатории Хендорф и первый автор исследования.

Традиционно ученые приступили к поиску генов, которые играют роль в возникновении рака, начав с данных о последовательности ДНК. Путем обширной каталогизации опухолевых мутаций, распространенных среди пациентов с распространенным типом рака, исследовательское сообщество зарегистрировало сотни генов, которые повлияли на развитие опухоли. Затем экспериментальное наблюдение используется для функциональной связи этих генов с признаками рака.


            Алгоритм переворачивает обнаружение гена рака с ног на голову
                Роберт Хендорф (слева) и Сара Альтхубайти обсуждают производительность своего алгоритма. Кредит: 2020 КАУСТ

«Наш метод переворачивает этот подход с ног на голову», — объясняет Альтхубайти. «По сути, наш подход основан на знаниях, и мы используем данные последовательности опухолей в качестве проверки. Это не похоже на большинство подходов, которые основаны на данных в сочетании с интерпретацией результатов в отношении установленных знаний».

В последние годы скорость обнаружения новых генов, вызывающих рак, быстро снижается, что вынуждает команду KAUST искать новую вычислительную стратегию. Вместо того чтобы полагаться на данные о последовательностях, Альтхубайти и Хёндорф создали модель машинного обучения, которая учитывает многие биологические особенности генов и путей, участвующих в образовании опухоли.

Исследователи разработали алгоритм для распознавания функциональных и фенотипических паттернов, которые предрасполагают ген к участию в развитии опухоли. Они подтвердили правильность модели, используя общедоступную базу данных о 27000 различных вариантов опухолей, а также функциональные данные и данные о последовательностях, показав, что алгоритм может точно классифицировать известные гены, вызывающие рак, и обнаружить более 100 других вероятных виновников, многие из которых имеют конкретные роли, в частности. типы опухолей.

            Метод прогнозирования может помочь персонализировать лечение рака и выявить новые лекарственные мишени. Кредит: 2020 КАУСТ

Затем исследователи KAUST дополнительно проверили эффективность алгоритма на молекулярных данных, собранных у двух групп больных раком. Первая была из университетской больницы им. Короля Абдель Азиза в Саудовской Аравии, в которую вошли 26 образцов опухолей от людей с редким типом рака головы и шеи, который называется карциномой носоглотки. Другая когорта включала 114 образцов колоректального рака от пациентов, проходивших лечение в клинике Университета Бирмингема в Соединенном Королевстве. В обеих группах пациентов модель выделяла гены-кандидаты, которые часто мутировали, и разделяла патогенные признаки других генов, вызывающих рак.

Hoehndorf подчеркивает важность командных усилий. «Эта работа является хорошим примером для научного сотрудничества в Саудовской Аравии, — говорит он, — но она также демонстрирует необходимость междисциплинарного сотрудничества между учеными-компьютерщиками, клиническими исследователями и биологами»./P>

Похожие новости

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *