哈佛醫(yī)學(xué)院的人工智能系統(tǒng)能檢測出導(dǎo)致某些癌癥的基因缺陷
Winnie Lee
PARP抑制劑——阻斷某些細(xì)胞酶的物質(zhì)——有望治療由同源重組(HR)缺陷引起的癌癥。但它們的作用被低估了,因?yàn)榇蠖鄶?shù)臨床測試并不能可靠地檢測出HR。
令人鼓舞的是,哈佛醫(yī)學(xué)院的科學(xué)家們已經(jīng)開發(fā)出一種人工智能篩選系統(tǒng)——SigMA——他們聲稱該系統(tǒng)能夠成功地“解讀”出HR缺陷的分子特征,而且非常準(zhǔn)確、高效,而且與現(xiàn)有的篩選方法相配合。
近日發(fā)表在《自然遺傳學(xué)》雜志上的一篇報(bào)道對(duì)此進(jìn)行了描述。
“精確醫(yī)學(xué)的核心是找到可操作的遺傳生物標(biāo)志物,并使用針對(duì)相關(guān)癌癥驅(qū)動(dòng)途徑的藥物治療患者。我們相信我們的算法可以極大地提高醫(yī)生提供這種個(gè)體化治療的能力。”該研究的資深作者彼得·帕克(Peter Park)在一份聲明中說,他是哈佛大學(xué)布拉瓦特尼克研究所生物醫(yī)學(xué)信息學(xué)教授。
“我們懷疑有更多沒有BRCA突變的病人可以從PARP抑制劑中獲益,但醫(yī)生不知道他們是哪一種。我們的方法可能有助于消除這一鴻溝。”
正如帕克和他的同事所解釋的,PARP抑制劑通常用于乳腺癌、卵巢癌、胰腺癌和其他BRCA基因突變的癌癥患者。
但并不是所有缺乏HR的病人都有BRCA突變,所以大多數(shù)標(biāo)準(zhǔn)的檢測都沒有發(fā)現(xiàn)。
相比之下,SigMA可以識(shí)別HR缺陷的模式特征——被癌變畸形打亂的DNA成分中出現(xiàn)的模式——即使是在只分析一部分基因的臨床試驗(yàn)中。
研究人員從數(shù)千個(gè)已完全測序的腫瘤基因組中挑選出一個(gè)語料庫,并對(duì)該模型進(jìn)行訓(xùn)練。之后,他們對(duì)730個(gè)全基因組測序分析的樣本進(jìn)行了性能測試。
他們報(bào)告說,它在74%的時(shí)間里正確識(shí)別了樣本——與目前算法檢測缺乏HR癌細(xì)胞的30%到40%的正確率相比,這是一個(gè)改進(jìn)——在隨后的實(shí)驗(yàn)中,878個(gè)乳腺腫瘤樣本來自于之前接受過基因檢測的患者,它檢測到23%的樣品有HR缺乏的跡象。
此外,它還成功地發(fā)現(xiàn)了其他類型癌癥中先前未被識(shí)別的HR缺陷。
他們說,SigMA發(fā)現(xiàn)的存在HR缺陷的乳腺癌細(xì)胞系(甚至其他腫瘤類型),與沒有這種缺陷的細(xì)胞相比,它們對(duì)PARP抑制劑的反應(yīng)更好。
“在許多醫(yī)院里,成千上萬的癌癥患者的基因圖譜都是由基因面板繪制的。我們相信,我們的算法能夠以更高的靈敏度檢測潛在致癌缺陷的分子足跡,”該研究的第一作者、HMS生物醫(yī)學(xué)信息系的博士后研究員Doga Gulhan在一份聲明中說。
“這種測試的首要目標(biāo)是幫助臨床醫(yī)生根據(jù)特定基因缺陷的缺失或存在來確定每個(gè)患者的最佳治療方案。”
研究人員認(rèn)為,每年大約有27萬人被診斷出患有乳腺癌,其中估計(jì)有5%到10%的人患有BRCA缺陷,如果SigMA被納入已經(jīng)在醫(yī)院使用的基因測試中,SigMA將使他們受益。
研究小組警告說,盡管SigMA不能檢測出只有少量突變的癌癥的HR缺陷,但它可以被訓(xùn)練在其他完全測序的基因組體上,以檢測更多種類的突變。
“在過去的幾個(gè)月里,我們與許多臨床醫(yī)生進(jìn)行了交談,我們已經(jīng)開始了多項(xiàng)合作,根據(jù)我們的預(yù)測,更多的臨床試驗(yàn)患者將獲得這種藥物。我們認(rèn)為我們可以用這種計(jì)算方法對(duì)癌癥治療產(chǎn)生真正的影響。”
“算法的準(zhǔn)確性會(huì)因癌癥類型而異。但即使檢出率不那么高,仍然會(huì)發(fā)現(xiàn)其他可能被遺漏的病例。這最終意味著為更多人提供更有針對(duì)性的治療。”
THEEND
免責(zé)聲明:凡注明為其它來源的信息均轉(zhuǎn)自其它平臺(tái),由網(wǎng)友自主投稿和發(fā)布、編輯整理上傳,對(duì)此類作品本站僅提供交流平臺(tái),不為其版權(quán)負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏,概不負(fù)任何法律責(zé)任。若有來源標(biāo)注錯(cuò)誤或侵犯了您的合法權(quán)益,請作者持權(quán)屬證明與本站聯(lián)系,我們將及時(shí)更正、刪除,謝謝。聯(lián)系郵箱:xiali@infoobs.com
評(píng)論請先登錄~
最新評(píng)論(評(píng)論僅代表用戶觀點(diǎn))
更多暫無評(píng)論