Учёные из Медицинской школы Калифорнийского университета в Сан-Диего
(University of California San Diego School of Medicine) применили
искусственный интеллект, чтобы определить, в какой момент в опухоли
развивается устойчивость к химиотерапии. В исследовании, опубликованном в
Cancer Discovery, описан алгоритм машинного обучения, который
расшифровывает сложную сеть генетических мутаций в раковых клетках и
помогает спрогнозировать их реакции на лечение.
Химиотерапия разрушает механизм репликации ДНК в быстро делящихся
опухолевых клетках. Однако из-за огромного количества мутаций в них трудно
предсказать, какие опухоли могут противостоять лечению. Команда
Калифорнийского университета в Сан-Диего решила эту проблему: она
разработала алгоритм, который одновременно исследует многочисленные
генетические мутации и их совместное влияние на реакцию раковых клеток на
лекарства, останавливающие репликацию ДНК.
Учёные сосредоточили своё внимание на раке шейки матки, который
отличается устойчивостью к лечению. По словам исследователей, алгоритм
успешно предсказал реакцию на распространённый химиотерапевтический
препарат цисплатин. Более того, команде удалось выявить опухоли с высоким
риском резистентности к лечению и раскрыть основные молекулярные
механизмы, определяющие устойчивость к терапии.
Трей Идекер (Trey Ideker, PhD), профессор медицинского факультета
Медицинской школы Калифорнийского университета в Сан-Диего, подчеркнул
важность искусственного интеллекта в понимании сложных взаимодействий
внутри опухолей: «Искусственный интеллект позволяет нам анализировать
тысячи мутаций одновременно».
Из-за замысловатой природы репликации ДНК понять, как опухоли реагируют
на терапию, сложная задача. Сотни белков работают совместно, реплицируя
ДНК, и мутации в любой части этой системы могут изменить ответ раковых
клеток на химиотерапию. Чтобы справиться с этой проблемой, учёные взяли на
вооружение набор из 718 генов, обычно используемых в клинических
генетических тестах для классификации рака.
В ходе исследования была определена 41 молекулярная сборка, или группа
взаимодействующих белков, в которых генетические изменения влияют на
эффективность лекарств. Этот подход, в отличие от предыдущих моделей,
которые сосредотачивались на отдельных генах или белках, учитывает более
широкие биохимические сети, имеющие решающее значение для прогноза
онкологического заболевания.
Эффективность подобного подхода была проверена на раке шейки матки, после
лечения которого сохраняется примерно 35% опухолей. Благодаря
искусственному интеллекту удалось точно идентифицировать раковые клетки,
поддающиеся терапии. Более того, были выявлены опухоли, которые могут
сопротивляться лечению, а эта информация необходима для разработки
персонализированной терапии.
Учёные отметили, что «прозрачность» стала ключевым преимуществом данной
модели в объяснении процесса принятия решений. «А это так же важно, как и
сам прогноз», – подчеркнул Идекер.
Исследователи полагают, что прозрачность подхода не только укрепляет
доверие к полученным результатам, но и определяет новые цели для
химиотерапии, открывая путь к разработке эффективных стратегий лечения
рака.
Источник: insideprecisionmedicine.com
