По сути, мы приближаемся к разгадке подлинных причин и обстоятельств ведущих к возникновению рака
Ну, чего приуныли? Не всё так плохо в современной медицине, как об этом говорили раньше старушки перед подъездами и которых, в связи с ковидом, я что-то не так часто стал встречать.
Вот вам тому очередные доказательства с весьма интересными подробностями…
Новый алгоритм может предсказать, какие гены вызывают рак, даже если их последовательность ДНК не изменена.
Группа исследователей из Берлина объединила самые разнообразные данные, проанализировала их с помощью "Искусственного интеллекта" и выявила множество раковых генов. Это открывает новые перспективы для таргетной терапии рака в персонализированной медицине и для разработки биомаркеров.
Суть онкопатологии в том, что часть клеток внутренних органов внезапно «выходят из под контроля». Они начинают безудержно размножаться, выходить за свои границы и проратать в соседние ткани, разрушая соседние органы и тем самым нарушая основные жизненные функции организма.
Этот неограниченный рост обычно индуцируется накоплением изменений ДНК в генах рака, то есть мутаций в этих генах, которые управляют развитием клетки. Но некоторые виды рака имеют лишь очень мало мутировавших генов, а это значит, что в этих случаях к заболеванию приводят другие причины.
Группа исследователей из Института молекулярной генетики Макса Планка (MPIMG) в Берлине и Института вычислительной биологии Университета Гельмгольца в Мюнхене разработала новый алгоритм, использующий технологию машинного обучения для идентификации 165 ранее неизвестных раковых генов.
Последовательности этих генов не обязательно изменяются - по-видимому, уже нарушение регуляции этих генов может привести к раку. Все недавно идентифицированные в этом исследовании гены тесно взаимодействуют с хорошо известными генами рака и, как было показано, имеют важное значение для выживания опухолевых клеток в экспериментах по их культивированию.
Дополнительные цели для персонализированной медицины
Алгоритм, названный "EMOGI" для объяснимой мульти-омической графовой интеграции, также может объяснить отношения в клеточном механизме, которые делают ген геном рака.
Как описывает команда исследователей во главе с Аннализой Марсико в журнале Nature Machine Intelligence, программное обеспечение интегрирует десятки тысяч наборов данных, полученных из образцов пациентов.
Они содержат информацию о метилировании ДНК, активности отдельных генов и взаимодействии белков в клеточных путях в дополнение к данным о последовательности с мутациями. В этих данных алгоритм глубокого обучения обнаруживает закономерности и молекулярные принципы, которые приводят к развитию рака.
«В идеале мы получаем полную картину всех раковых генов в какой-то момент, что может по-разному влиять на прогрессирование рака у разных пациентов. Это основа для персонализированной терапии рака», - Аннализа Марсико, руководитель исследовательской группы Института молекулярной генетики имени Макса Планка.
В отличие от традиционных методов лечения рака, таких как химиотерапия, персонализированные терапевтические подходы адаптируют лекарства именно к типу опухоли.
"Цель состоит в том, чтобы выбрать лучшую терапию для каждого пациента - то есть наиболее эффективное лечение с наименьшим количеством побочных эффектов. Кроме того, мы могли бы идентифицировать раковые заболевания уже на ранних стадиях, основываясь на их молекулярных характеристиках".
"Только если мы знаем причины заболевания, мы сможем эффективно противодействовать или исправлять их", - говорит оно. "Вот почему так важно выявить как можно больше механизмов, которые могут вызвать рак".
Лучшие результаты по комбинации
"До сих пор большинство исследований было сосредоточено на патогенных изменениях в генетической последовательности, то есть в схеме клетки", - говорит Роман Шульте-Сассе, докторант из команды Марсико и первый автор публикации. "В то же время в последние годы стало очевидным, что эпигенетические нарушения или дисрегуляция активности генов также могут привести к раку".
Вот почему исследователи объединили данные последовательности, отражающие ошибки в схеме, с информацией, представляющей события внутри ячейки. Первоначально ученые подтвердили, что мутации, или размножение сегментов генома, действительно являются основными движущими силами рака. Затем, на втором этапе, они точно определили генные кандидаты, которые находятся в менее прямом контексте с реальным геном, вызывающим рак.
"Например, мы нашли гены, последовательность которых в основном неизменна при раке, и все же незаменимы для опухоли, потому что они регулируют энергоснабжение", - говорит Шульте-Сассе. Эти гены выходят из-под контроля другими способами, например, из-за химических изменений в ДНК, таких как метилирование. Эти модификации оставляют информацию о последовательности нетронутой, но управляют активностью гена. Такие гены являются перспективными мишенями для лекарств, но поскольку они работают в фоновом режиме, мы можем найти их только с помощью сложных алгоритмов".
В поисках подсказок для дальнейших исследований
Новая компьютерная программа исследователя добавляет значительное количество новых записей в список предполагаемых генов рака, который за последние годы вырос до 700-1000. Только благодаря сочетанию биоинформатического анализа и новейших методов искусственного интеллекта (ИИ) исследователи смогли отследить скрытые гены.
С помощью глубокого обучения - тех самых алгоритмов, которые помогли искусственному интеллекту совершить прорыв в последние годы, - исследователи смогли обнаружить даже те связи, которые ранее оставались незамеченными. Учёные заставили компьютер проанализировать десятки тысяч различных сетевых карт из 16 различных типов рака, каждый из которых содержит от 12 000 до 19 000 точек данных.
Подходит и для других видов заболеваний
В выявленных данных скрыто еще много интересных деталей.
"Мы видим закономерности, которые находятся в прямой связи от конкретного вида рака и ткани", - говорит Марсико. "Мы рассматриваем это как доказательство того, что опухоли запускаются различными молекулярными механизмами в разных органах".
Программа EMOGI не ограничивается раком, подчеркивают исследователи.
Теоретически данную технологию можно использовать для интеграции различных наборов биологических данных и поиска там закономерностей, объясняет Марсико: "Было бы полезно применить наш алгоритм для аналогичных сложных заболеваний, для которых собираются многогранные данные и где гены играют важную роль. Примером могут служить сложные метаболические заболевания, такие как диабет".
В общем, ребята, мы стоим на пороге новых открытий! Дай Бог всем удачи!