Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Il sistema di intelligenza artificiale novello rivela i geni che determinano la crescita del tumore

Un metodo per l'individuazione dei geni che stimolano la crescita del tumore approfitta degli algoritmi di apprendimento automatico per setacciare con le risme dei dati molecolari raccolti dagli studi delle linee cellulari del cancro, dei modelli del mouse e dei pazienti umani.

Insegnando al sistema di intelligenza artificiale per collegare determinate mutazioni del DNA a funzionalità alterata, un gruppo piombo da Robert Hoehndorf dal centro di ricerca di calcolo delle scienze biologiche di KAUST ha indicato che potrebbero identificare i geni con un ruolo causativo conosciuto nel cancro e selezionare dozzine di nuovi presunti per 20 tipi differenti del tumore.

Il metodo di previsione--descritto nei rapporti scientifici e liberamente accessibile in linea--ha potuto aiutare i clinici a adeguare alle medicine i sottotipi molecolari dei pazienti. Potrebbe anche essere usato dalle compagnie farmaceutiche nella caccia per i nuovi obiettivi terapeutici.

Il nostro metodo può essere usato come struttura per predire e convalidare i geni del Cancro-driver in tutto il database o campione reale della popolazione.„

Sara Althubaiti, uno studente di Ph.D. nel laboratorio di Hoehndorf ed il primo autore dello studio

Tradizionalmente, gli scienziati si sono avvicinati alla ricerca dei geni con un ruolo causale nel cancro cominciando con i dati di sequenza del DNA. Estesamente catalogando le mutazioni del tumore compartecipi fra i pazienti con un tipo comune di cancro, la comunità di ricerca ha documentato le centinaia di geni su un impatto causale sullo sviluppo del tumore. Seguito sperimentale poi è usato per associare dal punto di vista funzionale questi geni con gli marchi di garanzia di cancro.

“Il nostro metodo gira questo approccio sulla sua testa,„ Althubaiti spiega. “Essenzialmente, il nostro approccio è guidato da conoscenza ed usiamo il tumore che ordina i dati come convalida. Ciò è dissimile la maggior parte dei approcci, che sono guidato da dati combinati con l'interpretazione dei risultati riguardo a conoscenza stabilita.„

La tariffa della scoperta per i nuovi geni Cancro-moventi sta diminuendo rapido negli ultimi anni, piombo il gruppo di KAUST cercare una nuova strategia di calcolo. Invece di contare sui dati di sequenza, Althubaiti e Hoehndorf hanno sviluppato un modello di apprendimento automatico che considera molte funzionalità biologiche dei geni e delle vie in questione nella formazione del tumore.

I ricercatori hanno progettato l'algoritmo per riconoscere i reticoli funzionali e fenotipici che predispongono un gene verso svolgere un ruolo nel determinare lo sviluppo del tumore. Hanno convalidato pubblicamente il modello facendo uso del database disponibile di a - di circa 27.000 varianti differenti del tumore come pure dati di sequenza e funzionali--indicando che l'algoritmo potrebbe categorizzare noto Cancro-guidando i geni ed individuare esattamente più di altri 100 colpevoli probabili, molti con il tumore specifico di ruoli in particolare digitano.

I ricercatori di KAUST poi avanzano hanno verificato la prestazione dell'algoritmo sui dati molecolari riuniti da due gruppi dei malati di cancro. Il primo proveniva dall'ospedale universitario di re Abdulaziz in Arabia Saudita, comprendente 26 campioni del tumore dalle persone con un tipo raro di carcinoma rinofaringeo chiamato di collo e capo del cancro. L'altro gruppo ha compreso 114 campioni colorettali del cancro dai pazienti curati all'università di ospedale di Birmingham nel Regno Unito. In entrambi i gruppi pazienti, i geni scelti di modello del driver del candidato che frequentemente sono stati subiti una mutazione e diviso le funzionalità patogene di altri geni cancerogeni.

Hoehndorf sottolinea l'importanza dello sforzo del gruppo coinvolgere. “Questo lavoro è un buon esempio per collaborazione scientifica in Arabia Saudita,„ dice, “ma egualmente dimostra l'esigenza delle collaborazioni pluridisciplinari fra gli informatici, i ricercatori clinici ed i biologi.„

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.