Открытие агрессивных типов раковых клеток стало возможным с помощью методов машинного обучения

Применив неконтролируемые и автоматизированные методы машинного обучения к анализу миллионов раковых клеток, Ребекка Ири и Джонатан Айриш, доценты по клеточной биологии и биологии развития, определили новые типы раковых клеток в опухолях мозга. Машинное обучение – это серия компьютерных алгоритмов, которые могут идентифицировать закономерности в огромных объемах данных и становиться «умнее» с большим опытом. Это открытие обещает позволить исследователям лучше понять и нацелить эти типы клеток для исследований и лечения глиобластомы – агрессивной опухоли головного мозга с высокой смертностью, – а также для более широкого применения машинного обучения в исследованиях рака.

Вместе со своими сотрудниками Айри и Айриш разработали Risk Assessment Population IDentification (RAPID), алгоритм машинного обучения с открытым исходным кодом , который выявил скоординированные паттерны экспрессии и модификации белков, связанные с результатами выживания.

Статья «Неконтролируемое машинное обучение выявляет стратификацию риска для опухолевых клеток глиобластомы» была опубликована в Интернете в журнале eLife 23 июня. Код RAPID и примеры доступны на странице cytolab Github.

В течение последнего десятилетия исследовательское сообщество работало над тем, чтобы использовать способность машинного обучения поглощать и анализировать больше данных для исследования раковых клеток, чем может обработать только человеческий разум . «Без какого-либо контроля со стороны человека RAPID прочесал 2 миллиона опухолевых клеток – по крайней мере, 4710 клеток глиобластомы от каждого пациента – из 28 глиобластом, отметив самые необычные клетки и образцы, на которые мы должны обратить внимание», – сказал Ири. «Мы можем найти иголки в стоге сена, не обыскивая весь стог. Эта технология позволяет нам сосредоточить наше внимание на лучшем понимании наиболее опасных раковых клеток и приблизиться к окончательному излечению от рака мозга».

В RAPID были внесены данные о клеточных белках, которые определяют идентичность и функцию нервных стволовых клеток и других клеток мозга. Используемый тип данных называется цитометрией одноклеточной массы – метод измерения, обычно применяемый при раке крови. После того, как статистический анализ RAPID был завершен и «иголки в стоге сена» были обнаружены, исследовали только эти клетки. «Один из самых захватывающих результатов нашего исследования заключается в том, что неконтролируемое машинное обучение обнаружило самые опасные клетки-нарушители, не требуя от исследователей предоставления им клинических или биологических знаний в качестве контекста», – сказал Айриш, также научный директор Vanderbilt’s Cancer & Immunology Core. «Результаты этого исследования в настоящее время представляют собой самое большое достижение в биологии моей лаборатории в Вандербильте».

Анализ машинного обучения исследователей позволил их команде изучить множество характеристик белков в опухолевых клетках головного мозга по отношению к другим характеристикам, создавая новые и неожиданные закономерности. «Сотрудничество между нашими двумя лабораториями, поддержка, которую мы получили для этой работы с высоким риском от Вандербильта и Онкологического центра Вандербильта-Инграма (VICC), а также плодотворное сотрудничество с нейрохирургами и патологами, которые предоставили уникальную возможность изучать клетки человека”прямо из мозга” позволили нам достичь этой вехи “, – заявили Ири и Айриш в совместном заявлении. Соавторами статьи являются бывшие аспиранты Вандербильта Нэлин Лилатиан, нынешний врач-невропатолог в Йельском университете (ирландская лаборатория), и Жюстин Синнив (лаборатория Ири). Благодаря своим исследованиям и работе над этой темой, Лилатиан в апреле 2017 года была удостоена награды Американской ассоциации по исследованию рака (AACR) за научные исследования Американской ассоциации опухолей мозга (ABTA).

Применимость этого исследования распространяется не только на исследования рака, но и на методы анализа данных для более широкого исследования болезней человека и лабораторного моделирования болезней с использованием нескольких образцов. В документе также показано, что эти сложные шаблоны, однажды обнаруженные, можно использовать для разработки более простых классификаций, которые можно применять к сотням образцов. Исследователи, изучающие опухоли головного мозга глиобластомы , смогут ссылаться на эти результаты при тестировании, чтобы увидеть, сопоставимы ли их собственные образцы с паттернами экспрессии клеток и белков, обнаруженными Ири, Ирландией, и сотрудниками.

услуги нутрициологаАвтор сайта и статей: Наталья Степанова, нутрициолог-психолог, консультант по питанию и коррекции веса. Подробнее обо мне

Я в соц. сетях: Vk, Instagram.

Рейтинг
Еще статьи нутрициолога:
Adblock
detector