人工智能算法提供了新的见解致命的脑癌
科学家们西尔维斯特综合癌症中心迈阿密大学米勒医学院与国际研究人员合作,已经开发出一种复杂的人工智能算法执行先进的计算分析来识别潜在的治疗靶点为多形性胶质母细胞瘤(GBM)和其他癌症。
他们的研究在2月2日出版的《华尔街日报》描述了吗自然癌症和可能会对未来产生深远影响治疗“绿带运动”,积极,通常致命的脑癌的类型,和某些乳腺癌、肺癌和小儿癌症。
“我们的工作是转化科学提供了直接的机会改变胶质母细胞瘤患者通常在诊所管理,“安东尼奥Iavarone解释说,医学博士西尔维斯特综合癌症中心副主任和该研究的资深作者。“我们的算法提供了应用精密癌症医学,肿瘤学家一个新工具给战斗这致命的疾病和其他癌症。”
想要更多的最新消息?
订阅188金宝搏备用的日常通讯,提供每天打破科学消息直接发送到您的收件箱中。
免费订阅蛋白激酶的关键目标是目前用于精密癌症医学裁缝治疗癌症病人的特定属性。最活跃的激酶,标记为“主激酶”的研究人员在他们的论文中,是临床医生的直接靶向药物当前癌症治疗的一个特点。
除了识别主激酶,Iavarone博士和他的同事使用肿瘤瀑样生长在患者样本的实验室——他们称之为“patient-derived肿瘤化身”——表明靶向药物干扰主激酶的活性可以阻止肿瘤的生长。
此前,Iavarone博士和团队报道了新胶质母细胞瘤分类吗通过捕获肿瘤细胞的关键特征和分组GBM患者基于生存和他们的可能性肿瘤药物的脆弱性。在新的研究中,这些分类是通过几组学平台独立消息来源的证实:基因组学(基因),蛋白质组学(蛋白质)lipidomics(脂肪分子)、acetylomics(表观遗传学),代谢组学(代谢物)等。
SPHINKS利用机器学习来完善这些组学数据和创建一个interactome——成套生物交互作用,查明异常生长和治疗产生抵抗的激酶每个胶质母细胞瘤亚型。这些发现显示multi-omics数据可以生成新算法,预测哪些靶向治疗可以提供最好的治疗选项根据每个病人的胶质母细胞瘤亚型。
“我们现在可以分层胶质母细胞瘤患者常见的基于生物特性在不同组学,“Iavarone博士说。“阅读基因组本身还远远不够。我们需要更全面的数据,以确定肿瘤的漏洞。”
尽管突破对于许多其他癌症,胶质母细胞瘤病人的脸黯淡的预测——五年生存率低于10%。尽管大量的药物正在开发作为潜在的治疗,临床医生需要一种方法来识别的分子机制,推动每个病人的疾病和癌症药物适用于精度。
SPHINKS算法和相关的方法可以方便地纳入分子病理学实验室,研究人员称。他们的论文包括临床分类器可以帮助为每个病人分配适当的胶质母细胞瘤亚型。该小组还建立了一个门户网站访问算法。作者认为这种方法可以产生深刻的信息可能多达75%的胶质母细胞瘤患者受益。
“这基本上分类器可用于任何实验室,”安娜说Lasorella,医学博士,professor of biochemistry and molecular biology at Sylvester CCC and co-senior author on the study. “By importing the omics information into the web portal, pathologists receive classification information for one tumor, ten tumors, however many they import. These classifications can be applied immediately to patient care.”
SPHINKS第一测试胶质母细胞瘤时,该算法同样适用于其他癌症。研究小组发现同一个cancer-driving激酶在乳腺癌、肺癌和小儿脑瘤。Drs。Iavarone和Lasorella和他的同事们认为,这个发现可能会推动一个新类型的临床试验。
“我们正在探索篮子试验的概念,“Iavarone博士解释说,“这将包括患者相同的生物学亚型,但不一定相同的癌症类型。如果胶质母细胞瘤或乳腺癌或肺癌患者有相似的分子特性,它们可能包括在相同的试验,”他继续说。”,而不是做多个试验一个代理,我们可以进行一个综合试验和可能带来更多的有效药物更快更多的病人。”
参考:Migliozzi年代,哦,欧美,尹浩然,Hasanain。综合multiomics网络识别PKCδ和dna - pk为主激酶的胶质母细胞瘤亚型和指导有针对性的癌症治疗。Nat癌症。2023年。doi:10.1038 / s43018 - 022 - 00510 - x
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。
