Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

El sistema de inteligencia artificial nuevo revela los genes que impulsan incremento del tumor

Un método para encontrar los genes que estimulan incremento del tumor se aprovecha de algoritmos de aprendizaje de máquina para tamizar con resmas de datos moleculares cerco de estudios de las variedades de células del cáncer, de los modelos del ratón y de los pacientes humanos.

Enseñando al sistema de inteligencia artificial para conectar ciertas mutaciones de la DNA a las funciones alteradas, las personas llevadas por Roberto Hoehndorf del centro de investigación de cómputo de la ciencia biológica de KAUST mostraron que podrían determinar genes con un papel causativo sabido en cáncer y escoger docenas de nuevos supuestos para 20 diversos tipos del tumor.

El método de la predicción--descrito en partes científicos y libremente accesible en línea--podía ayudar a clínicos a adaptar remedio a los subtipos moleculares de pacientes. Podría también ser utilizado por las empresas farmacéuticas en la caza para los nuevos objetivos terapéuticos.

Nuestro método se puede utilizar como marco para predecir y para validar genes del cáncer-impulsor en cualquier base de datos o muestra real de la población.”

Sara Althubaiti, estudiante del Ph.D. en el laboratorio de Hoehndorf y el primer autor del estudio

Tradicionalmente, los científicos se han acercado a la búsqueda para los genes con un papel causal en cáncer comenzando con datos de la serie de la DNA. Extensivamente catalogando las mutaciones del tumor compartidas entre pacientes con un tipo común de cáncer, la comunidad de investigación ha documentado centenares de genes con un impacto causal en el revelado del tumor. La continuación experimental entonces se utiliza para asociar funcionalmente estos genes a los sellos del cáncer.

“Nuestro método gira esta aproximación en su cabeza,” Althubaiti explica. “Esencialmente, conocimiento-se impulsa nuestra aproximación y utilizamos el tumor que ordena datos como validación. Esto es desemejante la mayoría de las aproximaciones, dato-se impulsan que combinaron con la interpretación de las conclusión en cuanto a conocimiento establecido.”

El índice de descubrimiento para los nuevos genes cáncer-que impulsaban ha estado disminuyendo rápidamente estos últimos años, llevando a las personas de KAUST a buscar una nueva estrategia de cómputo. En vez de la confianza en datos de la serie, Althubaiti y Hoehndorf construyeron un modelo del aprendizaje de máquina que tiene en cuenta muchas características biológicas de los genes y de los caminos implicados en la formación del tumor.

Los investigadores diseñaron el algoritmo para reconocer las configuraciones funcionales y fenotípicas que predisponen un gen hacia desempeñar un papel en impulsar el revelado del tumor. Validaron el modelo usando la base de datos disponible de a público - de ciertas 27.000 diversas variantes del tumor así como datos funcionales y de la serie--mostrando que el algoritmo podría categorizar sabido cáncer-impulsando genes y descubrir exacto a más de 100 otros culpables probables, muchos con el tumor específico de los papeles particularmente pulsan.

Los investigadores de KAUST entonces fomentan probaron el funcionamiento del algoritmo en los datos moleculares recopilados a partir de dos cohortes de enfermos de cáncer. El primer era de rey Abdulaziz University Hospital en la Arabia Saudita, comprendiendo 26 muestras del tumor de individuos con un tipo raro de carcinoma nasofaríngeo llamado cáncer de cabeza y cuello. La otra cohorte comprendió 114 muestras colorrectales del cáncer de los pacientes tratados en la universidad del hospital de Birmingham en el Reino Unido. En ambos grupos pacientes, los genes destacados modelo del impulsor del candidato que fueron transformados y compartieron con frecuencia las características patógenas de otros genes cancerígenos.

Hoehndorf acentúa la importancia del esfuerzo de las personas implicado. “Este trabajo es un buen ejemplo para la colaboración científica dentro de la Arabia Saudita,” él dice, “pero también demuestra la necesidad de colaboraciones multidisciplinarias entre los informáticos, los investigadores clínicos y los biólogos.”

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.