Didelio masto baltymų ir genų profiliavimas masiškai išplėtė su vėžiu susijusių baltymų ir genų mutacijų kraštovaizdį, tačiau buvo sunku atskirti, ar jie vaidina aktyvų vaidmenį sergant liga, ar yra nekalti stebėtojai.
Tyrime, paskelbtame m Gamtos vėžysBaylor College of Medicine mokslininkai atskleidė galingą ir nešališką mašininiu mokymusi pagrįstą metodą, pavadintą FunMap, skirtą įvertinti su vėžiu susijusių mutacijų ir nepakankamai ištirtų baltymų vaidmenį, turintį platų poveikį vėžio biologijos pažangai ir informuojant apie gydymo strategijas.
„Funkcinės informacijos apie genus ir baltymus, susijusius su vėžiu, gavimas yra svarbus žingsnis siekiant geriau suprasti ligą ir nustatyti galimus terapinius taikinius“, – sakė atitinkamas autorius Dr. Bing Zhang, molekulinės ir žmogaus genetikos profesorius bei Lesterio ir Sue Smithų narys. Krūties centras Baylor mieste.
„Mūsų metodas, siekiant įgyti funkcinių įžvalgų apie šiuos genus ir baltymus, yra susijęs su mašininiu mokymusi, kad būtų sukurtas tinklas, apibūdinantis jų funkcinius ryšius“, – sakė Zhang, Baylor’s Dan L Duncan Comprehensive Cancer Center narys ir McNair mokslininkas.
„Atrodo, aš galiu nieko apie jus nežinoti, bet jei žinau jūsų „LinkedIn“ ryšius, galiu daryti išvadą, ką jūs darote.
Komanda sukūrė FunMap, funkcinį tinklą iš 10 525 genų, sukurtų naudojant prižiūrimą mašininio mokymosi metodą, kuris integruoja baltymų duomenų rinkinius ir RNR sekos duomenis iš 11 vėžio tipų, kuriuos neseniai suderino Clinical Proteomic Tumor Analysis Consortium (CPTAC) visos vėžio darbo grupė.
„Naudodami FunMap nustatėme 196 800 asociacijų tarp 10 525 baltymų – visapusišką ir nešališką proteominę aprėptį ir aukštą funkcinės svarbos lygį“, – sakė Zhang.
„Du pagrindiniai skirtumai tarp mūsų metodo ir ankstesnių genų koekspresijos tinklo tyrimų yra pirma, vėžio baltymų duomenų integravimas su mRNR ekspresijos duomenimis ir, antra, prižiūrimo mašininio mokymosi taikymas, siekiant sinergizuoti visus duomenų rinkinius, kad būtų maksimaliai padidinta nuspėjamoji galia. Netikėtai mūsų metodas aplenkė baltymų ir baltymų sąveikos tinklus, atskirdamas funkciškai svarbias ir nesvarbias genų poras.
Atlikdama tinklo analizę, FunMap atskleidžia baltymų modulius ir hierarchinę modulinę organizaciją, susijusią su vėžio požymiais ir klinikinėmis charakteristikomis, numato nepakankamai ištirtų vėžio baltymų funkcijas, siūlo gilesnes įžvalgas apie nusistovėjusius vėžio sukėlėjus ir identifikuoja vairuotojus, kurių mutacijų dažnis yra mažas.
„Daugiau nei 200 genų yra labai per daug arba nepakankamai išreikšti sergant vėžiu, tačiau mes labai mažai žinome apie jų specifinį vaidmenį ligoje“, – sakė Zhang. „Kai mes suskirstėme šiuos genus savo tinkle, galėjome pažvelgti į kaimynystę ir numatyti jų funkciją.”
Pavyzdžiui, nepakankamai ištirto geno MAB21L4 ekspresija yra žymiai mažesnė už normalią trijų tipų vėžio navikuose. FunMap parodė, kad šio geno tinklo kaimynystė yra praturtinta genais, susijusiais su epitelio ląstelių diferenciacija, kurių slopinimas vaidina lemiamą vaidmenį auglio progresavime.
Klinikiniai naviko klasifikavimo duomenys kartu su neseniai atliktu tyrimu, rodančiu, kad MAB21L4 praradimas blokuoja diferenciaciją, kad paskatintų plokščialąstelinės karcinomos vystymąsi, yra tvirtų įrodymų, patvirtinančių MAB21L4 naviką slopinantį vaidmenį.
Be to, naudojant pažangiausius giluminio mokymosi metodus su FunMap, buvo atskleista daugybė anksčiau neatpažintų vėžio veiksnių, turinčių žemą mutacijų dažnį, įskaitant naują LGI3 naviko slopinimo vaidmenį, paremtą genų išmušimo eksperimentiniais duomenimis.
Šis tyrimas pabrėžia didelį mašininio mokymosi ir proteogenominio profiliavimo integravimo potencialą, kad būtų galima giliau suprasti sudėtingas vėžio sistemas. Sukūrus išsamų funkcinį tinklą, šis metodas suteikia tvirtą vėžio funkcinės genomikos tyrimų sistemą, suteikiančią vertingų įžvalgų apie mutacijas ir su vėžiu susijusius baltymus.
„Šios išvados gali labai padėti nustatyti pirmenybę klinikinio vertimo tikslams, galiausiai prisidedant prie veiksmingesnių vėžio gydymo būdų kūrimo“, – sakė Zhang.