Nature サブジャーナル: AI アルゴリズムががん細胞の遺伝的特徴を 99% の精度で解読!

AIがまた大きな成果を上げました。

今回、新たなAI機械学習アルゴリズム「イカロス」により、がん細胞と正常細胞の遺伝的特徴の違いを解読できるようになりました。

この研究は、MDC バイオインフォマティシャン Altuna Akalin のチームによって完了され、Nature サブジャーナル「Genome Biology」に掲載されました。

論文アドレス: https://genomebiology.biomedcentral.com/ articles/10.1186/s13059-022-02683-1#Sec8

さらに、この研究を担当する機関である MDC (マックス デルブリュック センター) も、ドイツの 4 つの主要な研究機関 ヘルムホルツ協会の 16 の研究センターの 1 つ。

これほど大きな背景があるのに、なぜこの研究がそれほど重要なのでしょうか?

膨大なデータセットから「共通の特徴」を選び出せば、人間はAIに比べられないことは間違いありません。

癌細胞と正常細胞を区別するには、それらに共通する特徴をスクリーニングする必要があります。

MDC 研究チームが開発したイカロスは、腫瘍細胞の 共通パターン (パターン) を発見しました。このパターンは、一連のゲノム特徴からなり、さまざまな細胞に共通しています。がんの種類。

さらに、このアルゴリズムは、これまでがんと関連がなかった遺伝子タイプも検出しました。

そこで研究チームは単純な質問をしました:

腫瘍細胞を複数の腫瘍細胞から区別する分類器を作成することは可能でしょうか?正常細胞は癌の種類を正しく区別しているでしょうか?

こうしてイカロスは誕生しました。

1. 専門的に注釈が付けられた複数の単一細胞データセットを統合することにより、遺伝子セットの形で包括的な腫瘍細胞の特徴を発見します;

##2. 腫瘍と正常細胞を厳密に区別するために堅牢なロジスティック回帰分類器をトレーニングし、カスタマイズされた細胞間ネットワークを使用してネットワークベースの細胞ラベルの伝播を行います。

チームリーダーのアルトゥナ・アカリン氏は次のように述べています:

強力で高感度、再現性のあるコンピューター腫瘍細胞選別機を開発するために、私たちイカロスは複数の機器でテストを受けてきました。さまざまな実験設定への適合性を判断するために、さまざまなシーケンス技術を使用して取得されたさまざまな種類のがんの単一細胞データセット。

驚くべき成功率

論文の筆頭著者であるヤン・ドーメン氏は、専門家が健康な細胞と健康な細胞を明確に区別した後、次のように述べています。がん細胞の場合、適切なトレーニング データを取得することは大きな課題です。

単一細胞シーケンシング データセットは複雑なことがよくあります。

これは、各細胞で検出される遺伝子の数が異なるため、またはサンプルが処理されていないため、個々の細胞の分子特性について含まれる情報があまり正確ではないことを意味します。いつも同じです。

ドーメン氏と研究共同代表のヴェドラン・フランケ博士は次のように述べています。

私たちは、十分なデータセットを入手するために、多数の出版物を審査し、かなりの数の研究グループに連絡しました。研究チームは最終的に、アルゴリズムをトレーニングするために肺がん細胞と結腸直腸がん細胞からのデータを選択し、それを他の種類の腫瘍からのデータセットに適用しました。

トレーニング段階では、イカロスは「特徴的な遺伝子リスト」を見つけて、それを使って細胞を分類する必要があります。

私たちはさまざまな方法を試し、洗練させましたが、イカロスは最終的に 2 つのリストを使用することにしました。1 つはがん遺伝子用、もう 1 つは他の細胞遺伝子からの遺伝子用です、フランクと説明します。

トレーニング後、アルゴリズムは、肝臓がんや神経芽腫の患者からの組織サンプルなど、他の種類のがんの健康な細胞と腫瘍細胞を区別できるようになります。

他のサンプルの結果は興味深いもので、成功率は驚くほど高く、最大 99% です。

# 「さまざまな種類のがんの腫瘍細胞をこれほど正確に定義できる共通の特徴があるとは予想していませんでした」とアカリン氏言った。

「しかし、このアプローチがすべての種類のがんに有効かどうかはまだ言えません」とドーメン氏は付け加えた。

がん細胞の分化だけではない

イカルスを信頼できるがん診断ツールに変えるために、研究者たちは現在、他のタイプの腫瘍でもそれをテストしたいと考えています。

初期テストで、イカロスは、この方法が腫瘍細胞だけでなく、他のタイプ (および特定のサブタイプ) の細胞も腫瘍細胞から区別できることを示しました。 。

細胞タイプなどの任意の細胞状態を検出するために使用できます。唯一の要件は、細胞状態が少なくとも 2 つの独立したセルに存在することです。実験。

#私たちはこの方法をより包括的なものにして、生検で考えられるすべての細胞を区別できるようにさらに開発したいと考えています、アカリンと言ったタイプ。

空間シーケンス データセットに自動腫瘍分類を適用すると、組織学的サンプルに直接アノテーションを付けることが可能になり、自動化されたデジタル病理学が容易になります。

病院では、病理学者は多くの場合、さまざまな細胞の種類を特定するために、顕微鏡で腫瘍の組織サンプルを検査するだけです。これは時間と労力のかかる作業です。

Ikarus を使用すると、このステップはいつか完全に自動化されたプロセスになる可能性があります。

さらに、このデータは腫瘍の周囲の環境についての結論を導くために使用できるともアカリン氏は述べています。これは、医師が最適な治療法を選択するのに役立ちます。がん組織と微小環境の構成は、多くの場合、治療法や薬剤が有効かどうかを示します。

さらに、人工知能は新薬の開発にも役立つ可能性があります。

「イカロスを使用すると、がんの原因となる可能性のある遺伝子を特定し、これらの分子構造を新しい治療薬で標的にすることができます」とアカリン氏は語った。

以上がNature サブジャーナル: AI アルゴリズムががん細胞の遺伝的特徴を 99% の精度で解読!の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。