Исследователи используют машинное обучение для ранжирования противораковых препаратов в порядке их эффективности.

Исследователи из Лондонского университета королевы Марии разработали алгоритм машинного обучения, который ранжирует лекарства на основе их эффективности в снижении роста раковых клеток. Такой подход может иметь потенциал для продвижения персонализированных методов лечения в будущем, позволяя онкологам выбирать лучшие лекарства для лечения отдельных онкологических больных.

Метод, получивший название «Рейтинг лекарств с использованием машинного обучения» (DRUML), был опубликован сегодня в Nature Communications и основан на анализе данных машинного обучения, полученных в результате изучения белков, экспрессируемых в раковых клетках . Обученный реакциям этих клеток на более чем 400 лекарств, DRUML предсказывает лучшее лекарство для лечения данной модели рака .

Говоря о новом методе, профессор Педро Кутильяс из Лондонского университета королевы Марии, который руководил исследованием, сказал: «DRUML предсказал эффективность лекарств на нескольких моделях рака и на основе данных, полученных из разных лабораторий и из набора клинических данных. Это захватывающие результаты, потому что предыдущие методы машинного обучения не смогли точно предсказать реакцию на лекарства в наборах данных проверки, и они демонстрируют надежность и широкую применимость нашего метода «.

Исследование финансировалось Институтом Алана Тьюринга, Советом по медицинским исследованиям, Barts Charity и Cancer Research UK.

Как работает DRUML?

Команда использовала наборы данных, полученные из протеомики (исследование белков внутри клеток) и фосфопротеомики (изучение того, как эти белки модифицируются) анализов 48 линий клеток лейкемии, рака пищевода и печени в качестве входных данных для DRUML для создания моделей, которые могут быть применены. лейкозам и солидным опухолям.

Обучая модели с использованием ответов этих клеток на 412 противораковых препаратов, перечисленных в репозиториях лекарств, DRUML смог составить упорядоченные списки, основанные на эффективности препаратов для снижения роста раковых клеток . Затем команда проверила прогностическую точность моделей, используя данные, полученные из 12 других лабораторий, и набор клинических данных из 36 образцов первичного острого миелоидного лейкоза.

Важно отметить, что по мере продвижения разработки новых лекарств DRUML может быть переобучен, чтобы охватить все клинически значимые лекарства от рака.

Понравилась статья? Поделиться с друзьями:
техно иновации