人工智能区分癌细胞与健康的

堆积如山的数据中识别模式时,人类是无法与人工智能(AI)。特别是,人工智能的一个分支叫做机器学习经常被用来在数据集——找到规律对于股票市场分析,图像和语音识别,或细胞的分类。可靠地分辨癌细胞和健康细胞,博士领导的研究小组Altuna Akalin,生物信息学和组学数据科学平台主管马克斯•德尔布吕克分子医学中心的亥姆霍兹联合会(MDC),已经开发出一种机器学习程序称为“ikarus。“程序发现一个模式在肿瘤细胞常见的不同类型的癌症,基因的特征组合组成。根据团队的论文在《基因组生物学》杂志上,该算法还发现类型的基因模式,癌症之前从来没有明显的联系。

机器学习本质上意味着一种算法使用训练数据来学习如何回答特定的问题。它是通过寻找模式的数据帮助其解决问题。训练阶段后,系统可以从它所学到的概括为了评估未知数据。“这是一个重大的挑战获得合适的训练数据,专家之间显然已经杰出的“健康”和“癌”细胞,”Jan Dohmen相关论文的第一作者。

一个高得惊人的成功率

此外,单细胞测序数据集常常吵了。这意味着它们所包含的信息对单个细胞的分子特征不是非常精确的,也许是因为不同数量的基因检测在每个单元格,或者因为样品并不总是相同的方法处理。联席主管作为Dohmen博士和他的同事Vedran因特网的研究报告,他们筛选无数的出版物和联系了相当多的研究小组为了得到足够的数据集。团队最终使用数据从肺癌和大肠癌细胞训练算法应用到数据集之前的其他类型的肿瘤。

在训练阶段,ikarus必须找到一个列表然后用于分类的特征基因细胞。“我们尝试和改进各种方法Dohmen说。这是耗时的工作,因为所有三个科学家联系起来。“关键是ikarus最终使用两个列表:一个用于癌症基因,一个来自其他细胞的基因,“因特网解释道。在学习阶段后,该算法能够可靠地区别健康和肿瘤细胞在其他类型的癌症,如从肝癌组织样本或神经母细胞瘤患者。其成功率往往非常高,甚至惊讶的研究小组。“我们并不期望有一个共同的签名,所以精确定义不同种类的癌症的肿瘤细胞,”Akalin说。“但是我们仍然不能说如果方法适用于所有类型的癌症,”Dohmen补充道。ikarus变成一个可靠的工具对癌症诊断,研究人员现在想测试它在其他类型的肿瘤。

人工智能作为一个完全自动化的诊断工具

该项目旨在远远超出了“健康”的分类与“癌”细胞。在最初的测试中,ikarus已经证明了方法还可以区分其他类型(和某些亚型)肿瘤细胞的细胞。“我们想要更全面的方法,“Akalin说,“发展中进一步,这样它可以区分在活组织检查所有可能的细胞类型。”

在医院,病理学家往往只有在显微镜下检查肿瘤组织样本以识别各种类型的细胞。这是艰苦的,耗时的工作。ikarus,这一步可以有一天成为一个完全自动化的过程。此外,Akalin指出,数据可以得出结论对肿瘤的直接环境。这可以帮助医生选择最好的治疗。化妆的癌组织和微环境往往表明某种治疗或药物治疗是否有效。此外,人工智能在开发新药物也可能是有用的。“Ikarus让我们识别基因是癌症的潜在动力,“Akalin说。新颖的治疗药物可以用于目标这些分子结构。

家庭办公协作

出版的一个显著的方面是,它是完全COVID大流行期间准备的。所有涉及其中的人都不是在通常的办公桌在柏林医学系统生物学研究所(BIMSB),这是争取民主变革运动的一部分。相反,他们在家庭办公室,只有彼此交流数字。在因特网的观点,因此,“这个项目显示,可以创建一个数字结构促进科学在这些条件下工作。”

参考:Dohmen J, Baranovskii Ronen J, Uyar B,因特网V, Akalin A识别肿瘤细胞在单细胞水平使用机器学习。基因组医学杂志。2022;23 (1):123。doi:10.1186 / s13059 - 022 - 02683 - 1

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。