算法颠覆了癌症基因的发现

一种寻找刺激肿瘤生长基因的方法利用机器学习算法筛选从癌症细胞系、小鼠模型和人类患者的研究中收集的大量分子数据。

KAUST计算生物科学研究中心的Robert Hoehndorf领导的团队通过教人工智能系统将特定的DNA突变与改变的功能联系起来，表明他们可以识别基因有已知的致病因素癌症然后挑出几十个可能的新基因，用于20个不同的肿瘤类型。

的预测方法描述在科学报告网上免费提供的药物可以帮助临床医生根据患者的分子亚型量身定制药物。它也可以被制药公司用来寻找新的治疗靶点。

“我们的方法可以作为一个框架，在任何数据库或真实的人口样本中预测和验证癌症驱动基因，”Hoehndorf实验室的博士生、该研究的第一作者Sara Althubaiti说。

传统上，科学家们从DNA序列数据开始寻找在癌症中起因果作用的基因。通过对患有一种常见癌症的患者之间共有的肿瘤突变进行广泛的编目，研究界已经记录了数百个对肿瘤发展有因果影响的基因。实验后续研究被用来在功能上将这些基因与癌症的特征联系起来。

“我们的方法完全改变了这种方法，”Althubaiti解释道。“基本上，我们的方法是知识驱动的，我们使用肿瘤测序数据作为验证。这与大多数方法不同，后者是数据驱动，结合对已有知识的发现的解释。”

近年来，新的癌症驱动基因的发现率迅速下降，这导致KAUST团队寻求一种新的计算策略。Althubaiti和Hoehndorf没有依赖于序列数据，而是建立了一个机器学习模型，该模型考虑了与肿瘤形成有关的基因和途径的许多生物学特征。

研究人员设计了算法来识别功能和表型模式，使基因倾向于在驱动肿瘤发展中发挥作用。他们使用一个包含约27000种不同肿瘤变异以及功能和序列数据的公开数据库对模型进行了验证，结果表明，该算法可以准确地对已知的癌症驱动基因进行分类，并检测出100多种其他可能的罪魁祸首，其中许多在特定的肿瘤类型中具有特定的作用。

KAUST的研究人员在从两组癌症患者中收集的分子数据上进一步测试了算法的性能。第一个样本来自沙特阿拉伯的阿卜杜勒阿齐兹国王大学医院，包括26个来自鼻咽癌患者的肿瘤样本。鼻咽癌是一种罕见的头颈部癌症。另一个队列包括114个来自英国伯明翰大学医院治疗的结肠直肠癌患者的样本。在两组患者中，该模型筛选出了频繁突变的候选驱动基因，并与其他致癌基因具有相同的致病特征。

Hoehndorf强调了团队合作的重要性。“这项工作是沙特阿拉伯内部科学合作的一个很好的例子，”他说，“但它也证明了计算机科学家、临床研究人员和生物学家之间进行多学科合作的必要性。”

---

---