机器学习可以预测新的个性化治疗卵巢癌

研究人员密歇根大学Rogel癌症中心已经研发出了一种新型计算平台,可以预测和特定的代谢在卵巢癌的目标,建议机会发展个性化治疗患者知情的基因构成的肿瘤。的研究出现在自然的新陈代谢。

卵巢癌中经常发生癌症突变现象,使细胞生长优势,有助于疾病的侵犯。但有时删除某些基因可能发生的与这些突变,使细胞容易治疗。不过,癌细胞生长得特别好,因为间接同源基因可以弥补这个损失函数和继续推动肿瘤形成。

迪帕克Nagrath博士生物医学工程副教授主持这项研究中,想要了解更多关于这些补偿基因与代谢。“一个基因被删除时,代谢基因,使癌细胞生长,也被删除。理论是漏洞出现在癌症细胞的新陈代谢由于特定的基因改变。

基因调节代谢功能被删除时,癌细胞本质上重建他们的新陈代谢想出一个备份计划。使用相结合的方法复杂代谢建模、机器学习和优化理论在细胞系和小鼠模型,研究小组发现了一个意想不到的功能卵巢癌酶,MTHFD2。这是特定于卵巢癌细胞线粒体的损伤,由于UQCR11常见的删除。这导致的一个关键不平衡必不可少的代谢物,NAD +,在线粒体内。

该算法预测MTHFD2惊人逆转的作用提供NAD +细胞。这创建了一个漏洞,可以针对选择性地杀死癌细胞,而最低限度影响健康的细胞。

这样的“个性化治疗变得越来越可能为提高疗效的一线治疗癌症,”研究员说,这项研究的第一作者阿Achreja,博士。”有几种方法来发现癌症,个性化的目标和几个平台基于大数据分析预测目标。我们的平台让预测通过考虑代谢功能和机制,提高成功的机会当翻译到诊所。”

参考:Achreja,余T,米塔尔,et al .代谢抵押品致命目标识别揭示MTHFD2 paralogue依赖在卵巢癌。Nat金属底座。2022;4 (9):1119 - 1137。doi:10.1038 / s42255 - 022 - 00636 - 3

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。