机器学习燃料个性化的癌症药物

IRB巴塞罗那的生物医学基因组学实验室开发了一种计算工具,标识每个肿瘤癌症驱动突变类型。

这和其他由同一实验室寻求加速发展癌症研究和提供工具来帮助肿瘤专家为每个病人选择最好的治疗方法。

这项研究已经发表在《华尔街日报》自然。

每个tumor-each patient-accumulates许多突变,但并不是所有的都是相关的发展的癌症。ICREA研究员Nuria Lopez-Bigas博士领导的研究人员在IRB巴塞罗那已经开发出一种工具,基于机器学习的方法,评估所有可能的潜在贡献的突变基因在特定类型的肿瘤癌症的开发和发展。

在以前的工作已经对科学和可用医学界实验室开发了一种方法来识别这些基因负责发病、进展,癌症的扩散。“BoostDM更进一步:模拟每一个可能的基因突变在每个特定类型的癌症,表明癌症过程中哪些是关键。这些信息帮助我们了解肿瘤是在分子水平上和它可以促进医疗决定最合适的治疗一个病人,“Lopez-Bigas博士解释道,生物医学基因组学实验室。此外,该工具将有助于更好的理解肿瘤发展的初始过程在不同的组织。

新工具已经集成到IntOGen平台,由同一组开发和设计用于研究项目的科学和医学社区和癌症基因组翻译,也由这组和更专注于临床决策的医疗肿瘤学家。

BoostDM目前适用于28000年的突变概要文件从66年癌症基因组分析。BoostDM的范围会增加由于可预见的公开访问癌症基因组。

提前建立在进化生物学

确定突变参与癌症,科学家们自己基于进化中的关键概念,即积极的选择。突变,癌症的生长和发育中发现更高的数字在不同的样本,相比,随机发生。

“我们从前提,我们只能观察到一些突变,因为这种突变的肿瘤细胞肿瘤的发展,指导我们质疑区分从其他可能的突变,这些突变”弗兰Muinos博士说,博士后研究员和co-first作者的工作。“做这个分析手动将过于费力,但是有计算策略,允许组织系统和有效,”他补充道。

从数据,该方法学习的属性是独特的突变,有利于癌症的发展,这些信息是有用的新治疗方法的发展。

每个基因的计算模型和类型的癌症

的工具,研究人员已经开发出已经生成的185模型来确定在一个特定的基因突变在给定类型的癌症。例如,它已经产生了模型确认所有可能的表皮生长因子受体基因突变的可能性,引发一些肺癌肿瘤发展,另一个模型为同一基因的胶质母细胞瘤(一种影响大脑的癌症),等等。

随着测序数据肿瘤变得公开访问,它可以被纳入系统,允许它来生成所有癌症的新模型基因在未来几年。

当一个模型被开发出来,研究人员可以询问组织中的每一个可能的癌症基因的突变类型(这一过程称为饱和突变)和确定它是否相关疾病的发展。这一过程产生的地图键突变,这都是有价值的癌症研究和个性化的癌症医学和医疗决策。作者已经证明这种预测模型工具BoostDM,比实验方法更有效和准确。