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.

I ricercatori creano il sistema di AI quel tumori delle corrispondenze alle migliori combinazioni della droga

Soltanto 4 per cento di tutte le droghe terapeutiche del cancro in sviluppo utile l'approvazione definitiva dagli Stati Uniti Food and Drug Administration (FDA).

Quello è perché ora non possiamo abbinare la giusta combinazione di droghe ai pazienti giusti in un modo astuto. E particolarmente per cancro, in cui non possiamo predire sempre quali droghe funzioneranno il meglio dato i funzionamenti interni unici e complessi delle celle del tumore di una persona.„

Centro di Trey Ideker, di PhD, del professor, della scuola di medicina e del Cancro di Moores, università di California San Diego

In un 20 ottobre 2020 pubblicato articolo in cellula tumorale, Ideker e Brent Kuenzi, il PhD e la sosta di Jisoo, il PhD, ricercatori postdottorali nel suo laboratorio, descrivono DrugCell, un nuovo sistema che di intelligenza (AI) artificiale hanno creato che non solo i tumori delle corrispondenze alle migliori combinazioni della droga, ma agisce in tal modo in un modo che ha significato agli esseri umani.

“La maggior parte dei sistemi di AI sono “scatole nere„ -- possono essere molto premonitori, ma realmente non conosciamo tutti che molto circa come funzionano,„ ha detto Ideker, che è egualmente co-direttore dell'iniziativa della mappa della cellula tumorale e della risorsa nazionale per biologia della rete.

Ha dato all'esempio del modo una ricerca di immagine di Internet degli impianti “del capone„. I sistemi di AI che funzionano dietro le scene sono preparati sulle immagini attuali del capone, ma come realmente contrassegnano una nuova immagine come “il capone„ e non “ratto„ o sul qualcos'altro è sconosciuti.

Affinchè il AI siamo utile nella sanità, Ideker ha detto, dobbiamo potere vedere dentro la scatola nera per capire come il sistema giunge alle sue conclusioni. “Dobbiamo sapere perché quella decisione è presa, che vie quelle droghe raccomandate stanno mirando e le ragioni per una risposta positiva della droga o per il suo rifiuto.„

Il lavoro del gruppo su DrugCell ha cominciato parecchi anni fa in lievito. In uno studio precedente, hanno sviluppato un sistema di AI chiamato DCell facendo uso di informazioni sui geni e sulle mutazioni delle cellule di lievito. DCell ha predetto i comportamenti cellulari, quale la crescita, tutti esterno “la scatola nera.„

DrugCell, una versione di prossima generazione di DCell, è stato preparato su più di 1.200 linee cellulari del tumore e sulle loro risposte a quasi 700 approvati dalla FDA ed alle droghe terapeutiche sperimentali -- complessivamente più di 500.000 pairings droga/della linea cellulare. I ricercatori egualmente hanno convalidato alcune delle conclusioni di DrugCell negli esperimenti del laboratorio.

Con DrugCell, il gruppo può dati di input circa un tumore ed il sistema restituisce la droga più nota, le vie biologiche che risposta di controllo a quella droga e combinazioni di droghe al migliore ossequio la malignità.

La terapia del cancro di precisione è già disponibile al centro del Cancro di Moores a salubrità di Uc San Diego, dove i pazienti possono avere una biopsia del loro tumore ordinato per le mutazioni e valutato dal quadro molecolare del tumore, un gruppo di esperti interdisciplinare.

Il quadro raccomanda le terapie personali basate sulle alterazioni genomiche uniche e su altre informazioni del paziente. Uno studio recente ha mostrato che questi pazienti hanno migliori risultati. In un modo, DrugCell simula il quadro molecolare umano del tumore.

“Siamo stati sorpresi da come DrugCell poteva tradurre dalle linee cellulari del laboratorio, che è su cui abbiamo preparato il modello, ai tumori in mouse ed in pazienti come pure dati di test clinico,„ Kuenzi ha detto.

Lo scopo finale del gruppo è di entrare DrugCell nelle cliniche a favore dei pazienti, ma l'avvertenza degli autori di studio là è ancora molto lavoro da fare.

“Mentre 1.200 linee cellulari è un buon inizio, è naturalmente non rappresentativo dell'eterogeneità completa di cancro,„ Park ha detto. “Il nostro gruppo ora sta aggiungendo i dati più unicellulari e le strutture differenti di prova della droga. Egualmente speriamo di partner con gli studi clinici attuali per incassare DrugCell come strumento diagnostico, difficile futuro nel mondo reale.„

Source:
Journal reference:

Kuenzi, B. M., et al. (2020) Predicting Drug Response and Synergy Using a Deep Learning Model of Human Cancer Cells. Cancer Cell. doi.org/10.1016/j.ccell.2020.09.014.