Искусственный интеллект и машинное обучение являются одними из новейших инструментов, используемых исследователями рака для выявления и лечения заболевания.

Одним из ученых, работающих на этом новом фронте исследований рака, является член онкологического центра Университета Колорадо Райан Лайер, доктор философии, который недавно опубликовал исследование с подробным описанием своего исследования, в котором используются большие данные для поиска раковых мутаций в клетках.

«Выявление генетических изменений , из-за которых здоровые клетки становятся злокачественными, может помочь врачам выбрать методы лечения, которые конкретно воздействуют на опухоль», — говорит Лайер, доцент кафедры компьютерных наук в Калифорнийском университете в Боулдере. «Например, около 25% случаев рака молочной железы являются HER2-положительными, что означает, что клетки этого типа опухоли имеют мутации, которые заставляют их производить больше белка, называемого HER2, который помогает им расти. Лечение, специально нацеленное на HER2, значительно увеличивает выживаемость . ставки для этого типа рака молочной железы».

По словам Лайера, ученые могут оценивать клеточную ДНК для выявления мутаций, но проблема заключается в том, что человеческий геном огромен, а мутации являются нормальной частью эволюции.

« Геном человека достаточно длинный, чтобы заполнить книгу в 1,2 миллиона страниц, и любые два человека могут иметь около 3 миллионов генетических различий», — говорит он. «Обнаружение одной мутации, вызывающей рак, в опухоли похоже на поиск иголки в стопке иголок».

Сканирование данных

Идеальным методом определения типа раковой мутации у пациента является сравнение двух образцов от одного и того же пациента, одного из опухоли и одного из здоровой ткани. Однако такие тесты могут быть сложными и дорогостоящими, поэтому Лайер придумал другую идею — использовать обширные общедоступные базы данных ДНК для поиска распространенных клеточных мутаций, которые имеют тенденцию быть доброкачественными, чтобы исследователи могли идентифицировать более редкие мутации, которые могут быть раковыми.

«Был проект под названием База данных агрегации геномов, или gnomAD, из Института Броуда, где они объединили множество различных исследований, которые проводились в Броуде, в единую крупнейшую генетическую базу данных, о которой кто-либо когда-либо даже думал, — говорит Слой. «Сначала это было 65 000 человек, а теперь около полумиллиона человек. В то время я работал в Университете Юты, проводя исследования в клинике недиагностированных редких заболеваний, и полезность этой базы данных была просто невероятной».

По словам Лайера, даже если ему удавалось секвенировать ребенка, больного раком, и ее родителей, часто было так много генетических мутаций, что было трудно определить, какая из них вызывает заболевание. Используя gnomAD, он мог посмотреть, как часто определенный вариант встречается в большей популяции, что значительно уменьшило количество терапевтических целей.

Проверка вариантов

Вдохновленный этим опытом, Layer начал искать другие способы использования больших данных для выявления потенциально раковых мутаций. Зная, что обнаружение сложных мутаций ДНК, называемых структурными вариантами (SV), часто может привести к ложноотрицательным результатам , он и его коллеги разработали процесс, который фокусируется на проверке, а не на обнаружении. Этот метод ищет в необработанных данных из тысяч образцов ДНК любые доказательства, подтверждающие конкретный структурный вариант.

«Мы просканировали SV, идентифицированные в предыдущих исследованиях рака, и обнаружили, что тысячи SV, ранее связанные с раком, также появляются в нормальных здоровых образцах», — говорит Лайер. «Это указывает на то, что эти варианты, скорее всего, будут доброкачественными, унаследованными последовательностями, а не болезнетворными».

Команда также обнаружила, что ее метод работает так же хорошо, как традиционная стратегия, которая требует как опухолевых, так и здоровых образцов, открывая дверь для снижения стоимости и повышения доступности высококачественного анализа мутаций рака.

«Со всеми данными, которые существуют для рака, мы смогли показать, что этот метод действительно эффективен для выявления не обязательно управляющей мутации рака, но того, какие варианты уникальны для опухоли по сравнению с остальной частью вашего тела», — говорит он. . «Таким образом, лечение опухоли может стать сверхперсонализированным. Мы можем сказать: «Если у вас есть эта мутация, используйте это лекарство; если у вас нет этой мутации, не используйте это лекарство».

Совместное исследование

Лаборатория Layer теперь развернула веб- сайт, на котором врачи могут вводить информацию о структурных вариантах, обнаруженных в опухоли пациента, чтобы увидеть, насколько они распространены и потенциально опасны. Он также стремится создать более крупный набор данных по раку, чтобы помочь лучше понять, как и где образуются опухоли.

«До сих пор наша работа заключалась в том, чтобы взять структурный вариант и посмотреть, насколько часто он встречается у здорового населения», — говорит он. «Но что, если мы создадим индексы, которые позволят вам искать нашу популяцию? Скажем, вы берете образец опухоли в легком и находите структурные варианты — теперь вы можете искать те , которые относятся к раку простаты, раку груди и всем другим видам рака, и это может помочь вам определить: «Каково происхождение опухоли?» «Есть метастазы или они возникли в легких?» Мы можем искать в базах данных опухолей , чтобы попытаться найти другие подходящие опухоли для более персонализированного лечения, вдохновленного медициной».

Исследование опубликовано в журнале Nature Methods.