Model AI przewiduje ryzyko przerzutów nowotworowych na podstawie sygnatur genowych
Badacze z Uniwersytetu Genewskiego opracowali narzędzie AI, które z wysoką dokładnością przewiduje ryzyko przerzutów nowotworowych na podstawie wzorców ekspresji genów.
Dlaczego niektóre guzy przerzutują, podczas gdy inne pozostają lokalne, to jedno z najważniejszych pytań w onkologii. Badacze z Uniwersytetu Genewskiego poczynili istotny krok w kierunku odpowiedzi na nie. Łącząc wzorce ekspresji genów z zachowaniem przerzutowym, opracowali narzędzie oparte na sztucznej inteligencji, które przewiduje ryzyko rozprzestrzenienia się nowotworu z wysoką dokładnością.
Wykorzystując komórki z guzów jelita grubego, zespół badawczy zidentyfikował gradienty ekspresji genów, które silnie korelują z zdolnością komórek do migracji i tworzenia przerzutów. Zamiast koncentrować się na pojedynczych mutacjach, badacze pokazali, że potencjał przerzutowy wynika z skoordynowanej aktywności genów w grupach pokrewnych komórek nowotworowych. Ich wyniki zostały opublikowane w Cell Reports.
Nie jest to proces losowy
Według lidera badania, Ariela Ruiza i Altaby, nowotwór nie powinien być postrzegany jako proces losowy. „Nowotwór powinien być rozumiany jako zniekształcona forma rozwoju” - wyjaśnia. Pod wpływem zmian genetycznych i epigenetycznych, uśpione programy rozwojowe są reaktywowane, co prowadzi do wzrostu guza i, w niektórych przypadkach, przerzutów.
Aby zbadać ten proces, badacze izolowali i klonowali komórki nowotworowe, a następnie oceniali ich zachowanie migracyjne w modelach laboratoryjnych i zwierzęcych. Analiza setek genów w wielu klonach ujawniła wzorce, które niezawodnie odróżniały komórki o wysokim potencjale przerzutowym od tych o ograniczonym rozprzestrzenieniu.
Model AI
Te sygnatury genowe zostały zintegrowane w modelu AI o nazwie Mangrove Gene Signatures (MangroveGS). Łącząc dziesiątki do setek sygnatur, model jest odporny na indywidualne różnice. Po treningu osiągnął blisko 80% dokładności w przewidywaniu przerzutów i nawrotów w raku jelita grubego, przewyższając istniejące narzędzia. Co ważne, te same sygnatury okazały się również predykcyjne dla innych nowotworów, w tym raka piersi, płuc i żołądka.
W praktyce klinicznej podejście to może wspierać bardziej spersonalizowaną opiekę. Próbki guzów mogą być analizowane lokalnie, po czym zanonimizowane dane RNA są przetwarzane przez bezpieczny portal w celu wygenerowania wskaźnika ryzyka przerzutów. „Te informacje zapobiegną nadmiernemu leczeniu pacjentów o niskim ryzyku, umożliwiając jednocześnie bliższe monitorowanie i leczenie tych o wysokim ryzyku” - mówi Ruiz i Altaba. Narzędzie to może również poprawić selekcję pacjentów do badań klinicznych, zwiększając efektywność i wpływ terapeutyczny.
RNACOREX
W zeszłym roku badacze opracowali RNACOREX, narzędzie open-source, które pomaga rozwikłać genetyczne sieci regulacyjne napędzające nowotwór. Stworzone przez naukowców z Instytutu Nauk Danych i Sztucznej Inteligencji (DATAI), będącego częścią Centrum Onkologii Clínica Universidad de Navarra, narzędzie identyfikuje kluczowe interakcje między mikroRNA a mRNA, które wpływają na zachowanie guza. Badanie zostało zweryfikowane na podstawie danych z 13 typów nowotworów w The Cancer Genome Atlas i opublikowane w PLOS Computational Biology.
RNACOREX analizuje tysiące cząsteczek jednocześnie i buduje interpretowalne sieci regulacyjne, łącząc skurowane bazy danych z rzeczywistymi danymi ekspresji genów. W testach przeprowadzonych na różnych nowotworach narzędzie przewidziało przeżywalność pacjentów z dokładnością porównywalną z zaawansowanymi modelami AI, oferując jednocześnie większą przejrzystość. Dzięki wyraźnemu pokazaniu, które interakcje molekularne napędzają wyniki, RNACOREX wspiera analizę przeżywalności, odkrywanie biomarkerów i bardziej zrozumiałą onkologię precyzyjną.
Źródło: https://www.icthealth.org/news/ai-model-predicts-cancer-metastasis-risk-from-gene-signatures
Źródło: www.icthealth.org