Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

Os pesquisadores criam o sistema do AI esse tumores dos fósforos às melhores combinações da droga

Somente 4 por cento de todas as drogas terapêuticas do cancro ganham em desenvolvimento a aprovação final pelos E.U. Food and Drug Administration (FDA).

Isso é porque agora nós não podemos combinar a combinação direita de drogas aos pacientes adequados em uma maneira esperta. E especialmente para o cancro, onde nós não podemos sempre prever que drogas trabalharão o melhor dado os funcionamentos internos originais, complexos de pilhas do tumor de uma pessoa.”

Centro de Trey Ideker, de PhD, de professor, de Faculdade de Medicina e de cancro de Moores, Universidade da California San Diego

Em um 20 de outubro de 2020 publicado papel na célula cancerosa, Ideker e Brent Kuenzi, o PhD, e o parque de Jisoo, PhD, pesquisadores pos-doctoral em seu laboratório, descrevem DrugCell, um sistema que de inteligência artificial (AI) novo criou que não somente os tumores dos fósforos às melhores combinações da droga, mas fazem assim em uma maneira que fizesse o sentido aos seres humanos.

“A maioria de sistemas do AI são “caixas negras -- podem ser muito com carácter de previsão, mas nós não conhecemos realmente tudo que muito sobre como trabalha,” disse Ideker, que é igualmente co-director da iniciativa do mapa da célula cancerosa e do recurso nacional para a biologia da rede.

Deu ao exemplo da maneira uma busca da imagem do Internet para trabalhos do “gato”. Os sistemas do AI que trabalham atrás das cenas são treinados em imagens existentes do gato, mas como etiquetam realmente uma imagem nova como o “gato” e não o “rato” ou em algo outra são desconhecidos.

Para que o AI seja útil nos cuidados médicos, Ideker disse, nós temos que poder ver dentro da caixa negra para compreender como o sistema vem a suas conclusões. “Nós precisamos de saber porque essa decisão é feita, que caminhos aquelas drogas recomendadas estão visando e as razões para uma resposta positiva da droga ou para sua rejeção.”

O trabalho da equipe em DrugCell começou diversos anos há no fermento. Em um estudo precedente, construíram um sistema do AI chamado DCell usando a informação sobre os genes e as mutações de pilha de fermento. DCell previu comportamentos celulares, tais como o crescimento, tudo parte externa a “caixa negra.”

DrugCell, uma versão da próxima geração de DCell, foi treinado em mais de 1.200 linha celular do tumor e em suas respostas a quase 700 aprovados pelo FDA e às drogas terapêuticas experimentais -- um total mais de 500.000 de linha celular/pairings da droga. Os pesquisadores igualmente validaram algumas das conclusões de DrugCell em experiências do laboratório.

Com DrugCell, a equipe pode dados de entrada sobre um tumor e o sistema retorna a droga a mais conhecida, os caminhos biológicos que resposta de controle a essa droga, e combinações de drogas ao melhor deleite a malignidade.

A terapia do cancro da precisão está já disponível no centro do cancro de Moores na saúde de Uc San Diego, onde os pacientes podem ter uma biópsia de seu tumor arranjado em seqüência para mutações e avaliado pela placa molecular do tumor, um grupo de peritos interdisciplinar.

A placa recomenda as terapias personalizadas baseadas nas alterações genomic originais e na outra informação do paciente. Um estudo recente mostrou que estes pacientes têm melhores resultados. Em uma maneira, DrugCell simula a placa molecular humana do tumor.

“Nós fomos surpreendidos por como DrugCell bom podia traduzir das linha celular do laboratório, que é o que nós treinamos o modelo, aos tumores nos ratos e nos pacientes, assim como dados do ensaio clínico,” Kuenzi disse.

O objectivo último da equipe é obter DrugCell em clínicas em favor dos pacientes, mas o cuidado dos autores do estudo lá é ainda muito trabalho a fazer.

“Quando 1.200 linha celular forem um bom começo, é naturalmente nao representativo da heterogeneidade completa do cancro,” Parque disse. “Nossa equipe está adicionando agora mais dados da único-pilha e estruturas diferentes de tentativa da droga. Nós igualmente esperamos partner com estudos clínicos existentes para encaixar DrugCell como uma ferramenta diagnóstica, testando o em perspectiva no mundo real.”

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.