ISSN 1689-7730

Metody uczenia maszynowego ruszają do pomocy w walce z nowotworami

Tomasz Woźniak
algorytm
Zwiększająca się liczba leków używanych do chemioterapii sprawia, że możliwe jest ich łączenie na coraz więcej sposobów. Weryfikacja jaki dokładnie protokół leczenia najlepiej zastosować staje się przez to bardzo trudna, kosztowna i czasochłonna. Aby rozwiązać ten problem naukowcy zaprzęgli do pracy komputery. W celu jak najlepszego przewidywania działania danej kombinacji leków połączyli klasyczne modele mechanistyczne oraz metody uczenia maszynowego. Najpierw stworzono model, w którym śmierć komórki na drodze apoptozy jest wywoływana przez dwa różne mechanizmy. Jeden z nich jest cisplatyna, która uruchamia wewnętrzną ścieżkę apoptozy, a drugim TRAIL (ang. TNF-related apoptosis-inducing ligand), który uruchamia zewnętrzną ścieżkę apoptozy. Ze względu na to, że w procesach śmierci komórkowej bierze udział wiele różnych cząsteczek, kolejnym krokiem było użycie metod uczenia maszynowego. Wykorzystano kilka różnych metod analizy, które dały spójne wyniki. Dzięki nim udało się zidentyfikować kluczowe etapy procesów, oraz stworzyć wirtualne modele odpowiedzi na kombinowaną chemioterapię. W przyszłości ułatwią one opracowanie optymalnych kombinacji leków przeciwnowotworowych.

Źródło

  • Designing combination therapies with modeling chaperoned machine learning. Yin Zhang, Julie M Huynh, Guan-Sheng Liu, Richard Ballweg, Kayenat S Aryeh, Andrew L Paek, Tongli Zhang PLoS computational biology 15(9) DOI: 10.1371/journal.pcbi.1007158 EPUB: 9-9-2019 [PubMed]