Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Le système nouveau d'artificial intelligence indique les gènes qui pilotent la croissance tumorale

Une méthode pour trouver les gènes qui stimulent la croissance tumorale tire profit des algorithmes d'apprentissage automatique pour tamiser par des rames de caractéristiques moléculaires rassemblées des études des lignées cellulaires de cancer, des modèles de souris et des patients humains.

En enseignant le système d'artificial intelligence pour lier certaines mutations d'ADN à la fonctionnalité modifiée, une équipe aboutie par Robert Hoehndorf à partir du centre de recherche de calcul des biosciences de KAUST a prouvé qu'elles pourraient recenser des gènes avec un rôle causal connu dans le cancer et sélectionner des douzaines de neufs putatifs pour 20 types différents de tumeur.

La méthode de prévision--décrit dans des états scientifiques et librement accessible en ligne--a pu aider des cliniciens à concevoir en fonction des médicaments les sous-types moléculaires de patients. Elle pourrait également être employée par des entreprises pharmaceutiques dans la chasse pour les objectifs thérapeutiques neufs.

Notre méthode peut être employée comme cadre pour prévoir et valider des gènes de cancer-gestionnaire dans n'importe quelle base de données ou échantillon réel de population. »

Sara Althubaiti, un stagiaire de Ph.D. dans le laboratoire de Hoehndorf et le premier auteur de l'étude

Traditionnellement, les scientifiques ont approché la recherche des gènes avec un rôle causal dans le cancer en commençant par des caractéristiques de séquence d'ADN. Par cataloguer considérable des mutations de tumeur mises en commun entre des patients avec un type de cancer courant, la communauté de la recherche a documenté des centaines de gènes avec un choc causal sur le développement de tumeur. Le suivi expérimental est alors employé pour associer fonctionellement ces gènes aux cachets du cancer.

« Notre méthode tourne cette approche sur sa tête, » Althubaiti explique. « Essentiellement, notre approche est motivée par la connaissance et nous employons la tumeur ordonnançant des caractéristiques comme validation. C'est différent la plupart des approches, qui sont caractéristique caractéristique combinées avec l'évaluation des découvertes en ce qui concerne la connaissance déterminée. »

Le régime de la découverte pour les gènes cancer-pilotants neufs s'était baissé rapidement ces dernières années, aboutissant l'équipe de KAUST à rechercher une stratégie de calcul neuve. Au lieu de compter sur des caractéristiques de séquence, Althubaiti et Hoehndorf ont établi un modèle d'apprentissage automatique qui tient compte de beaucoup de caractéristiques biologiques des gènes et des voies impliqués dans la formation de tumeur.

Les chercheurs ont conçu l'algorithme pour identifier les configurations fonctionnelles et phénotypiques qui prédisposent un gène vers jouer un rôle en pilotant le développement de tumeur. Ils ont validé le modèle utilisant la base de données procurable d'a publiquement - d'environ 27.000 variantes différentes de tumeur ainsi que caractéristiques fonctionnelles et de séquence--prouvant que l'algorithme pourrait exactement classer su cancer-pilotant des gènes et trouver par catégorie plus de 100 autres coupables susceptibles, on avec la tumeur spécifique de rôles en particulier tape.

Les chercheurs de KAUST promeuvent alors ont vérifié le rendement de l'algorithme sur des caractéristiques moléculaires recueillies de deux cohortes des malades du cancer. Le premier était de centre hospitalier universitaire du Roi Abdulaziz en Arabie Saoudite, comportant 26 échantillons de tumeur provenant des personnes avec un type rare de cancer du cavum appelé de cancer de la tête et du cou. L'autre cohorte a comporté 114 échantillons de cancer colorectal provenant des patients soignés à l'université de l'hôpital de Birmingham au Royaume-Uni. Dans les deux groupes patients, les gènes choisis modèles de gestionnaire de candidat qui ont été fréquemment subis une mutation et ont partagé les caractéristiques pathogènes d'autres gènes de cancérigène.

Hoehndorf met l'accent sur l'importance de l'effort d'équipe impliqué. « Ce travail est un bon exemple pour la collaboration scientifique dans l'Arabie Saoudite, » il dit, « mais elle explique également le besoin de collaborations multidisciplinaires entre les informaticiens, les chercheurs cliniques et les biologistes. »

Source:
Journal reference:

Althubaiti, S., et al. (2019) Ontology-based prediction of cancer driver genes. Scientific Reports. doi.org/10.1038/s41598-019-53454-1.