人工智能的研究可能会增加我们的理解肺癌的漏洞

一个科学小组,包括蒙大拿大学的生物学家马克·格兰姆斯最近人工智能用于更好地理解如何在肺癌细胞蛋白质组调节细胞分裂和新陈代谢。

工作可能会导致更大的理解肺癌的漏洞和未来的抗癌疗法。这项研究结果发表在PLOS计算生物学。

“我们研究了细胞如何应对抗癌药物用于治疗肺癌,”格里姆斯说。“我们使用机器学习算法来检测数据中的模式很难被看到是因为人类的大脑并不那么伟大的人”看到模式在大型电子表格。

他说肺癌仍是死亡的主要原因。新的药物来治疗肺癌可以工作一段时间,但癌细胞可能发展和形成新的肿瘤,导致复发。为了解决这个问题,攻击癌细胞的药物可以工作,但前提是研究者更好地了解癌细胞的弱点。

”这项工作的伟大之处是,我们把我们发现的模式变成了网络表示细胞信号通路影响癌症突变和药物目标突变基因,称为致癌基因,”格里姆斯说。“这项工作需要这种方法下一阶段通过观察之间的相互作用的途径,这是组蛋白在细胞一起工作。”

他说,这给他的研究小组高级和分子水平的看法之间的交互途径导致癌细胞的分裂和调节新陈代谢。

格兰姆斯说,恶性肿瘤通常有一个活跃的新陈代谢和有限的氧气供应。

“所以识别这些通路之间的联系提供了机会把进口和利用的漏洞营养结合其他抗癌疗法。”

参考:罗斯科,张G, Akcora C,等。网络模型的蛋白质磷酸化,乙酰化、泛素化连接代谢和细胞信号通路在肺癌。公共科学图书馆Comp杂志。2023;19 (3):e1010690。doi:10.1371 / journal.pcbi.1010690

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。