Một nhóm tại UCLA đã tạo ra một mô hình trí tuệ nhân tạo sử dụng các yếu tố biểu sinh để dự đoán chính xác tiên lượng của bệnh nhân mắc các loại ung thư khác nhau. Cách tiếp cận sáng tạo này cung cấp những dự đoán tốt hơn so với các phương pháp truyền thống và nêu bật tầm quan trọng của biểu sinh trong điều trị và tiến triển ung thư.
Các nhà nghiên cứu tại UCLA đã phát hiện ra rằng một số gen mã hóa các yếu tố biểu sinh trong khối u có mối liên hệ mang tính dự đoán với kết quả lâm sàng ở các loại ung thư khác nhau.
Các nhà nghiên cứu tại Trung tâm Ung thư Toàn diện UCLA Health Johnson đã phát triển một mô hình trí tuệ nhân tạo (AI) dựa trên các yếu tố biểu sinh có thể dự đoán thành công tiên lượng của bệnh nhân mắc nhiều loại ung thư.
Yếu tố biểu sinh trong dự đoán ung thư
Các nhà nghiên cứu phát hiện ra rằng Mô hình biểu hiện gen của các yếu tố biểu sinh (yếu tố ảnh hưởng đến việc bật hoặc tắt gen) trong các khối u, họ có thể tách các khối u thành các nhóm khác nhau và do đó dự đoán tiên lượng của bệnh nhân mắc các loại ung thư khác nhau tốt hơn phương pháp truyền thống như phân loại và phân giai đoạn ung thư.
Những phát hiện được công bố hôm nay (15 tháng 11) trên tạp chí Communications Biology, cũng đặt nền tảng cho sự phát triển các liệu pháp nhắm mục tiêu được thiết kế để điều chỉnh các yếu tố biểu sinh trong điều trị ung thư, chẳng hạn như histone acetyltransferase và chất tái cấu trúc chất nhiễm sắc SWI/SNF.
Hiểu về ung thư ngoài đột biến gen
Đồng tác giả đầu tiên của nghiên cứu, Giáo sư Sinh học Phân tử, Tế bào và Phát triển tại UCLA và UCLA Health Joan "Theo truyền thống, ung thư được xem chủ yếu là kết quả của đột biến trong gen gây ung thư hoặc gen ức chế khối u", Hilary Kohler, thành viên của Trung tâm Ung thư Toàn diện Mori và Trung tâm Nghiên cứu Y học Tái tạo và Tế bào gốc Eli và Edis Broad cho biết. "
" Tuy nhiên, sự ra đời của công nghệ giải trình tự thế hệ tiếp theo tiên tiến đã khiến người ta nhận ra rằng trạng thái của chất nhiễm sắc và mức độ của các yếu tố biểu sinh duy trì trạng thái này rất quan trọng đối với bệnh ung thư và sự tiến triển của bệnh ung thư. Các khía cạnh khác nhau của trạng thái chất nhiễm sắc—chẳng hạn như liệu histone có bị biến đổi hay không, hoặc liệu các bazơ axit nucleic của DNA có chứa thêm nhóm methyl hay không—có thể giúp chúng ta hiểu được những khác biệt này giữa các khối u. "
Mặc dù nghiên cứu trước đây đã chỉ ra rằng đột biến gen mã hóa các yếu tố biểu sinh ảnh hưởng đến khả năng mắc bệnh ung thư của một cá nhân, nhưng người ta ít biết về mức độ của các yếu tố này ảnh hưởng đến sự tiến triển của bệnh ung thư. Kohler lưu ý rằng khoảng cách kiến thức này là rất quan trọng để hiểu đầy đủ về cách biểu sinh ảnh hưởng đến kết quả của bệnh nhân.
Các mô hình biểu sinh và lâm sàng Kết quả
Để hiểu liệu có mối quan hệ giữa mô hình biểu sinh và kết quả lâm sàng hay không, các nhà nghiên cứu đã phân tích mô hình biểu hiện của 720 yếu tố biểu sinh, phân loại khối u từ 24 loại ung thư khác nhau thành các nhóm riêng biệt.
Điều này đặc biệt rõ ràng ở ung thư biểu mô vỏ thượng thận, ung thư biểu mô tế bào thận rõ ràng, u thần kinh đệm cấp độ thấp ở não, ung thư biểu mô tế bào gan và ung thư biểu mô tuyến phổi, trong đó sự khác biệt về tất cả các biện pháp sống sót là đáng kể. lây lan
Mithun Mitra, đồng tác giả đầu tiên của nghiên cứu và là nhà khoa học dự án cộng tác trong phòng thí nghiệm của Kohler cho biết: “Chúng tôi nhận thấy rằng tác động tiên lượng của các yếu tố biểu sinh phụ thuộc vào loại ung thư và mô nguồn gốc”. "Chúng tôi đã tìm thấy mối liên hệ này ngay cả ở một số loại ung thư ở trẻ em mà chúng tôi đã phân tích. Điều này có thể giúp xác định mức độ liên quan cụ thể đối với bệnh ung thư trong việc nhắm mục tiêu vào các yếu tố này để điều trị."
Mô hình trí tuệ nhân tạo để dự đoán tiên lượng bệnh nhân
Sau đó, nhóm nghiên cứu đã sử dụng mức biểu hiện gen yếu tố biểu sinh để huấn luyện và kiểm tra mô hình trí tuệ nhân tạo nhằm dự đoán tiên lượng bệnh nhân. Mô hình này được thiết kế để dự đoán điều gì có thể xảy ra ở 5 loại ung thư khác nhau đáng kể về khả năng sống sót.
Các nhà khoa học phát hiện ra rằng mô hình này có thể tách thành công bệnh nhân khỏi 5 loại ung thư này thành hai nhóm: một nhóm bệnh nhân có tiên lượng tốt hơn đáng kể và nhóm còn lại có tiên lượng xấu hơn.
Họ cũng phát hiện ra rằng các gen quan trọng nhất đối với mô hình AI có sự trùng lặp đáng kể với các gen đặc điểm xác định nhóm.
Tiềm năng ứng dụng rộng hơn
Mitra cho biết: "AI liên quan đến ung thư. Mô hình này đã được đào tạo và thử nghiệm trên các bệnh nhân trưởng thành trong nhóm thuần tập TCGA và khả năng ứng dụng rộng rãi của nó sẽ được khám phá kỹ lưỡng nếu được thử nghiệm trên các tập dữ liệu độc lập khác để tạo ra các mô hình dựa trên biểu sinh tương tự cho Michael Cheng, tác giả đầu tiên của nghiên cứu và là nghiên cứu sinh trong Chương trình liên ngành về Tin sinh học của UCLA, cho biết: "
" Nghiên cứu của chúng tôi giúp cung cấp lộ trình cho các mô hình trí tuệ nhân tạo tương tự có thể được tạo ra từ danh sách các yếu tố biểu sinh tiên lượng có sẵn công khai. "Lộ trình cho thấy cách xác định các yếu tố ảnh hưởng nhất định trong các loại ung thư khác nhau và bao gồm tiềm năng thú vị của việc dự đoán các mục tiêu cụ thể trong điều trị ung thư."