Ученые Медицинской школы Калифорнийского университета в Сан-Диего использовали искусственный интеллект для решения одной из самых сложных задач в исследованиях рака : прогнозирования того, когда рак разовьет устойчивость к химиотерапии.
Химиотерапевтическое лечение
Все клетки, включая раковые, полагаются на сложный молекулярный механизм репликации ДНК во время клеточного деления. Большинство химиотерапевтических методов лечения нарушают этот процесс репликации ДНК в быстро делящихся опухолевых клетках.
Однако предсказать, как опухоль отреагирует на такое лечение, было непросто из-за широкого спектра мутаций внутри опухолей.
Анализ генетических мутаций
Алгоритм машинного обучения анализирует, как генетические мутации в совокупности влияют на реакцию опухоли на препараты, ингибирующие репликацию ДНК.
Тестируя свою модель на опухолях рака шейки матки, команда сосредоточилась на цисплатине, широко используемом химиотерапевтическом препарате.
Модель точно предсказала реакцию и выявила опухоли с самым высоким риском резистентности к лечению. Это также выявило сложный молекулярный механизм, управляющий этим сопротивлением.
Трей Идекер, доктор философии, профессор медицинского факультета Медицинской школы Калифорнийского университета в Сан-Диего, подчеркнул важность этого достижения. «Искусственный интеллект устраняет пробелы в нашем понимании, позволяя нам анализировать сложный массив из тысяч мутаций одновременно», — сказал Идекер. В отличие от предыдущих подходов, которые фокусировались на изолированных мутациях, этот алгоритм учитывает более широкий генетический ландшафт опухоли.
Репликация ДНК
Сложность репликации ДНК, мишени для многих лекарств от рака, ограничивает понимание того, как опухоли реагируют на лечение.
Идекер объяснил: «Мутации в любой части этой системы могут изменить реакцию всей опухоли на химиотерапию». Исследователи сосредоточились на стандартном наборе из 718 генов, часто используемых в клинических генетических тестах для классификации рака.
Используя мутации в этих генах в качестве входных данных, модель машинного обучения была обучена на общедоступных данных о реакции на лекарства, выявив 41 молекулярную сборку, в которой генетические изменения влияют на эффективность лекарства.
«Рак — это сетевое заболевание, обусловленное многими взаимосвязанными компонентами, но предыдущие модели машинного обучения для прогнозирования резистентности к лечению не всегда это отражают», — подчеркнул Идекер.
https://www.openaccessgovernment.org/ai-unlocks-cancer-treatment-secrets/172578/
Add a Comment