加州大学洛杉矶分校健康琼斯综合癌症中心的研究人员开发了一种基于遗传因子的人工智能(AI)模型,可以预测患者在多种癌症类型中的成功结局
研究人员发现,通过检查表观遗传学因素的基因表达模式,他们可以根据癌症分级和年龄等传统测量方法,将影响基因如何恢复的因素分为两组,以预测患者的癌症类型
通讯生物学中描述的这些定义也为开发靶向治疗奠定了基础,这些靶向治疗旨在调节癌症治疗中的色素生成因子,如斯通乙酰转移酶和SWI/SNF色素重塑剂
“传统上,癌症被认为是非基因或肿瘤抑制因子基因突变的主要结果,”资深作者HilaryColler说,她是分子、细胞和发展生物学教授,也是UCLAHealthJonssonComprehensiveCancerCenter和EliandEdtheBroadCenterofRegenerativeMedicine和StemCellResearchUCLA的成员“然而,随着先进的下一代测序技术的融合,越来越多的人意识到,染色质的状态和表观遗传学因子的水平对癌症和癌症的发展至关重要。染色质的形态有不同的方面——比如其内蛋白是否被修饰,或者DNA的核酸碱基是否含有甲基外基团——都会影响癌症的结果。”了解肿瘤之间的差异有助于我们更多地了解为什么患者对不同的细胞治疗有反应,以及为什么结果不同“.
尽管先前的研究表明,编码表观遗传学因子的基因突变可能会影响个体的癌症易感性,但人们对这些因子的水平如何影响癌症进展知之甚少。这一知识尤其有助于理解表观遗传学如何影响空间结果,请参阅Coller.
如果表观遗传学模式与临床结果之间存在关系她分析了720个表观遗传学因子的表达模式,将24种不同癌症类型的肿瘤分为不同的簇
在24种成人癌症类型中,研究发现,对于10种癌症,聚类与患者结局的显著差异有关,包括无进展生存率、疾病特异性生存率和总体生存率
这尤其适用于肾上腺皮质癌、肾脏透明细胞癌、脑胶质瘤、肝细胞癌和腺癌,这些差异对所有的生存测量都有意义
路由较差的集群被固定为具有更高的吞吐量、更大的机会大小或更多的读取指标
“我们发现表观遗传学因子的作用与癌症起源的组织有关,”该研究的合著者、加州大学实验室的社会项目科学家MithunMitra说“我们在分析新的儿科癌症类型时看到了这个链接。这可能有助于确定针对特定参与者的治疗癌症的特异性相关性。”
然后,该团队使用表观遗传学因子基因表达水平来训练和建立免疫模型,以预测患者的结局该模型专门设计用于预测在生存价值测量中存在显著差异的癌症类型可能会发生什么
科学家们发现,该模型可以成功地将患有这五种癌症类型的患者分为两组:一组的恶性肿瘤发生率显著较高,另一组的阳性肿瘤发生率较高
他们发现,对于AI模型来说,最关键的基因与聚类定义的基因有显著的重叠
Mitra说:“泛癌AI模型对来自CGA的成年患者进行了管理和测试,两人可以在独立的数据集上测试这一模型,以探索其广泛的适用性。”“类似的基于表观遗传学因素的模型可能会被用于癌症中期,以了解与成人癌症模型相比,哪些因素会影响决策过程。”
“我们的研究有助于为类似的人工智能模型提供一个加载的地图,这些模型可以通过公开的诊断遗传因素列表生成,”该研究的第一作者MichaelCheng在加州大学洛杉矶分校的生物信息跨部门计划中进行了两次测试“加载图显示了如何确定不同癌症中的某些影响因素,并包含预测癌症治疗特定目标的潜在性。”
这项研究由来自国家癌症研究所、癌症研究院、黑色素瘤研究联盟、黑色素癌研究基金会、国家卫生研究所和UCLAS前列腺癌研究所的资助者共同完成
来源:
Materials provided by
University of California - Los Angeles Health Sciences. Original written by Denise Heady.
注明: Content may be edited for style and length.
参考:
2024-01-20
2024-01-20
2024-01-20
2024-01-20
2024-01-20