Los investigadores de Vanderbilt han desarrollado un enfoque de aprendizaje automático activo para predecir los efectos de las variantes tumorales de significado desconocido, o VUS, en la sensibilidad a la quimioterapia. VUS, fragmentos mutados de ADN con impactos desconocidos en el riesgo de cáncer, se identifican constantemente. El creciente número de VUS raros hace que sea imperativo que los científicos los analicen y determinen el tipo de riesgo de cáncer que imparten.
Los métodos de predicción tradicionales muestran potencia y precisión limitadas para VUS raros. Incluso el aprendizaje automático, una herramienta de inteligencia artificial que aprovecha los datos para «aprender» y mejorar el rendimiento, se queda corto al clasificar algunos VUS. El trabajo reciente del laboratorio de Walter Chazin, presidente de la cátedra de medicina y profesor de bioquímica y química, dirigido por los coprimeros autores y becarios postdoctorales Alexandra Blee y Bian Li, presentó una técnica activa de aprendizaje automático.
El aprendizaje automático activo se basa en entrenar un algoritmo con datos existentes, como con el aprendizaje automático, y alimentarlo con nueva información entre rondas de entrenamiento. Chazin y su laboratorio identificaron VUS para los que las predicciones eran menos seguras, realizaron experimentos bioquímicos en esos VUS e incorporaron los datos resultantes en rondas posteriores de entrenamiento de algoritmos. Esto permitió que el modelo mejorara continuamente su clasificación VUS.
Los investigadores validaron su enfoque en cuatro proteínas conocidas por estar implicadas en el cáncer. Con un algoritmo validado en la mano, analizaron VUS no caracterizados involucrados en una vía de reparación del ADN llamada NER (las mutaciones en las vías de reparación del ADN se asocian con frecuencia con el cáncer) y demostraron que el aprendizaje automático activo podría predecir mejor los efectos de las variantes sobre el riesgo de cáncer en comparación con los tradicionales. aprendizaje automático.
Aunque es poco probable que los VUS raros identificados en los genomas tumorales sean los principales responsables del desarrollo inicial de esos tumores, pueden afectar el crecimiento tumoral y la respuesta a la terapia. La caracterización de VUS puede ayudar a maximizar la atención clínica, y agregar marcos de aprendizaje activos al conjunto de herramientas de interpretación de VUS puede mejorar la capacidad de los médicos para emplear la medicina de precisión para cada paciente.
Publicado en Investigación sobre el cáncereste trabajo sienta las bases para estudios sobre los mecanismos que subyacen a la disfunción y la respuesta quimioterapéutica de las células que expresan ciertos VUS implicados en NER.
El laboratorio de Chazin y sus colaboradores, el exprofesor de Vanderbilt Tony Capra, ahora en la Universidad de California, San Francisco, y Zachary Nagel en la Universidad de Harvard, se centrarán en actualizar el marco algorítmico para mejorar sus capacidades predictivas.
Predicción de la respuesta a la inmunoterapia contra el cáncer a partir de microbiomas intestinales mediante modelos de aprendizaje automático
Alexandra M. Blee et al, Un marco de aprendizaje activo mejora la interpretación de variantes tumorales, Investigación sobre el cáncer (2022). DOI: 10.1158/0008-5472.CAN-21-3798
Citación: Los investigadores crean un algoritmo para ayudar a predecir el riesgo de cáncer asociado con variantes tumorales (2022, 9 de agosto) recuperado el 10 de agosto de 2022 de https://medicalxpress.com/news/2022-08-algorithm-cancer-tumor-variants.html
Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.