Sub-jurnal alam semula jadi: Algoritma AI menguraikan ciri genetik sel kanser dengan ketepatan 99%!

AI telah membuat pencapaian hebat sekali lagi.

Kali ini, algoritma pembelajaran mesin AI baharu "Ikarus" boleh menguraikan perbezaan ciri genetik antara sel kanser dan sel normal.

Penyelidikan ini telah disiapkan oleh pasukan bioinformatika MDC Altuna Akalin dan diterbitkan dalam sub-jurnal Alam "Biologi Genom".

​

Alamat kertas: https://genomebiology.biomedcentral.com/ artikel/10.1186/s13059-022-02683-1 #Sec8 Salah satu daripada 16 pusat penyelidikan Persatuan Helmholtz.

Memandangkan ia mempunyai latar belakang yang begitu besar, mengapakah penyelidikan ini sangat penting?

Menyaring "ciri biasa" daripada set data yang luas, manusia pastinya tidak sebaik AI.

Untuk membezakan sel kanser daripada sel normal, adalah perlu untuk menyaring ciri sepunya di antara mereka.

Kali ini Ikarus yang dibangunkan oleh pasukan penyelidik MDC menemui corak biasa dalam sel tumor , yang terdiri daripada satu siri ciri genomik dan biasa dalam Pelbagai jenis barah.

Selain itu, algoritma juga mengesan jenis gen yang tidak pernah dikaitkan dengan kanser.

Jadi pasukan penyelidik bertanyakan soalan mudah:

Adakah mungkin untuk membuat pengelas yang membezakan sel tumor daripada pelbagai Are sel normal dibezakan dengan betul antara jenis kanser?

Maka lahirlah Ikarus. Ia termasuk dua langkah:

1 Temui ciri sel tumor yang komprehensif dalam bentuk set gen dengan menyepadukan beberapa set data sel tunggal beranotasi secara profesional >2. Latih pengelas regresi logistik yang teguh untuk membezakan dengan ketat tumor daripada sel normal, dan kemudian gunakan rangkaian sel sel tersuai untuk penyebaran label sel berasaskan rangkaian.

Ketua pasukan Altuna Akalin berkata:

Untuk membangunkan penyusun sel tumor berkomputer yang berkuasa, sensitif dan boleh dihasilkan semula, kami Ikarus telah diuji pada pelbagai set data sel tunggal pelbagai jenis kanser yang diperoleh menggunakan teknologi penjujukan yang berbeza untuk menentukan kesesuaiannya untuk tetapan percubaan yang berbeza.

Kadar kejayaan yang menakjubkan

Jan Dohmen, pengarang pertama kertas itu, berkata bahawa selepas pakar membezakan dengan jelas antara sel yang sihat dan Dalam kes sel kanser, mendapatkan data latihan yang sesuai adalah cabaran utama.

Set data penjujukan sel tunggal selalunya rumit.

Ini bermakna maklumat yang terkandung di dalamnya tentang ciri-ciri molekul sel individu tidak begitu tepat, sama ada kerana bilangan gen yang berbeza dikesan dalam setiap sel, atau kerana sampel tidak diproses dengan cara yang sama.

kata Dohmen dan Dr. Vedran Franke, ketua bersama kajian itu,

Kami menyaring banyak penerbitan dan menghubungi beberapa kumpulan penyelidikan untuk mendapatkan set data yang mencukupi. Pasukan itu akhirnya memilih data daripada kanser paru-paru dan sel kanser kolorektal untuk melatih algoritma, yang kemudiannya digunakan pada set data daripada jenis tumor lain.

Semasa fasa latihan, Ikarus mesti mencari "senarai gen tandatangan" yang kemudiannya digunakan untuk mengelaskan sel.

Kami mencuba dan memperhalusi pelbagai kaedah, dan Ikarus akhirnya menggunakan dua senarai: satu untuk gen kanser dan satu untuk gen daripada gen sel lain, Frank menerangkan.

Setelah dilatih, algoritma boleh membezakan antara sel yang sihat dan tumor dalam jenis kanser lain, seperti sampel tisu daripada pesakit yang menghidap kanser hati atau neuroblastoma.

Hasil dalam sampel lain adalah menarik, dan kadar kejayaan sangat tinggi, sehingga 99%. "Kami tidak menjangkakan bahawa akan ada tandatangan biasa yang boleh menentukan sel tumor dalam pelbagai jenis kanser dengan tepat, " kata Akalin.

"Tetapi kami masih tidak boleh mengatakan sama ada pendekatan ini akan berkesan untuk semua jenis kanser," tambah Dohmen.

Lebih daripada sekadar pembezaan sel kanser

Untuk menjadikan Ikarus sebagai alat diagnostik kanser yang boleh dipercayai, penyelidik kini berharap untuk mengujinya pada jenis tumor lain.

Dalam ujian awal, Ikarus telah menunjukkan bahawa kaedah itu juga boleh membezakan jenis lain (dan beberapa subtipe) sel daripada sel tumor,

bukan hanya tumor Pengesanan sel

.

Ia boleh digunakan untuk mengesan sebarang keadaan sel, seperti jenis sel, satu-satunya keperluan ialah keadaan sel wujud dalam sekurang-kurangnya dua bebas eksperimen.

Akalin berkata:

Kami ingin menjadikan kaedah ini lebih komprehensif, mengembangkannya lagi supaya ia dapat membezakan semua kemungkinan sel dalam biopsi menaip.

Penggunaan klasifikasi tumor automatik pada set data penjujukan spatial membolehkan anotasi langsung sampel histologi, dengan itu memudahkan patologi digital automatik.

Di hospital, pakar patologi selalunya hanya memeriksa sampel tisu tumor di bawah mikroskop untuk mengenal pasti pelbagai jenis sel. Ini adalah tugas yang memakan masa dan susah payah.

Dengan Ikarus, langkah ini suatu hari nanti boleh menjadi proses automatik sepenuhnya.

Selain itu, Akalin menyatakan bahawa data ini boleh digunakan untuk membuat kesimpulan tentang persekitaran terdekat tumor. Ini boleh membantu doktor memilih rawatan terbaik. Komposisi tisu kanser dan persekitaran mikro sering menunjukkan sama ada rawatan atau ubat tertentu berkesan.

Selain itu, kecerdasan buatan juga boleh membantu dalam pembangunan ubat baharu.

"Ikarus membenarkan kami mengenal pasti gen yang mungkin menyumbang kepada kanser dan kemudian menyasarkan struktur molekul ini dengan agen terapeutik baharu," kata Akalin.

Atas ialah kandungan terperinci Sub-jurnal alam semula jadi: Algoritma AI menguraikan ciri genetik sel kanser dengan ketepatan 99%!. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!