Worcesteri Polütehnilise Instituudi (WPI) uurimisrühma välja töötatud uus statistiline mudel võib võimaldada arstidel luua patsientidele isikupärastatud vähiravi, mis põhinevad nende kasvajates leitud spetsiifilistel geneetilistel mutatsioonidel.
Nii nagu vähk ei ole üksik haigus, vaid paljude haiguste kogum, ei koosne üksik kasvaja tõenäoliselt ainult ühte tüüpi vähirakkudest. Tegelikult põhjustavad geneetilised mutatsioonid, mis põhjustavad vähki, sageli ka kasvajaid, millel on vähirakkude alatüüpide segu.
WPI meeskond töötas välja uue statistilise mudeli, mis kasutab täiustatud algoritmi, et tuvastada need mitmed geneetilised alatüübid tahkete kasvajate puhul, analüüsides väikese biopsiaproovi geeniekspressiooni andmeid. Tulemused võivad aidata kujundada tõhusamaid vähiravi ja suunata ka tulevasi uuringuid. Uue mudeli üksikasjad on esitatud ajakirjas Bioinformatics avaldatud dokumendis "GLAD: A segaliikmelisuse mudel heterogeense kasvaja alatüübi klassifitseerimiseks".
"Paljud tänapäeval kasvajate klassifitseerimiseks kasutatavad statistilised mudelid on piiratud "kõik või mitte ühtegi" lähenemisviisiga," ütles Patrick Flaherty, PhD, WPI biomeditsiinitehnika dotsent ja uue mudeli vanemautor. paber. "Teisisõnu klassifitseerivad nad kasvajas ainult ühe domineeriva vähiraku alatüübi, kuid see võib olla eksitav. Ravim, mis võib sihtida ühte vähirakkude alatüüpi, ei pruugi avaldada mingit mõju teisele alatüübile. Seega asusime välja töötama mudel, mis võiks täpsem alt ennustada kasvajarakkude vähirakkude alatüüpide mitut fraktsiooni."
Vähkrakud vohavad kontrollimatult, sest geneetilised mutatsioonid võimaldavad neil kasvada ebanormaalselt ja vältida keha loomulikku kaitsevõimet. Kasvaja kasvades need vähirakud paljunevad ja arenevad, moodustades erinevate alatüüpide klastreid. Iga alatüüpi saab tuvastada nende geenide toodetud toodete ainulaadse mustri järgi. Kuna seda tüüpi andmeid tootvate DNA sekveneerimistestide kulud vähenevad, suureneb vajadus statistiliste tööriistade järele, et käsitleda andmetulva ja luua asjakohast teavet, mida arstid saavad reaalajas kasutada.
"Kuna kliinilised laborid saavad nüüd järjestada patsiendi vähirakkude genoome, on prognoosid ja ravi muutumas suureks andmeprobleemiks," ütles Flaherty. "Meie labor on keskendunud suurtest andmekogumitest kasutatava teabe hankimisele, et arstid ja patsiendid saaksid teha paremaid otsuseid."
Nagu nende artiklis teatatakse, töötas Flaherty meeskond välja uue mudeli nimega GLAD (Gaussi, Laplace'i ja Dirichleti jaoks, mudeli statistilised jaotused). Esm alt testisid nad GLAD-i simuleeritud andmekogumil, mis oli loodud kahe vähirakkude alatüübiga kasvaja geeniekspressioonimustrite sarnaseks. Mudel tuvastas kahe alamtüübi õiged fraktsioonid. Järgmisena kasutas GLAD geeniekspressiooni andmeid, et määrata täpselt kindlaks roti kopsu-, aju- ja maksarakkude protsent proovis, kus nende rakkude proportsioon oli teada. Lõpuks rakendati GLAD-i geeniekspressiooni andmetele 202 glioblastoomi (inimese ajukasvaja) proovist, mis saadi vähigenoomi atlase projektist. Arvatakse, et glioblastoomi kasvajatel on neli rakkude alatüüpi ja GLAD ennustas täpselt iga rakkude osa.
Tulevikku vaadates uurib Flaherty koostööd kliiniliste partneritega, kes ravivad rinnavähiga patsiente. Loodetakse GLAD-mudelit rakendada aja jooksul patsientide biopsiate geeniekspressiooniandmetele ja näha, kuidas tulemused korreleeruvad patsientide tulemuste ja kasutatud kemoteraapiatega. Flaherty on teinud ka täieliku GLAD-mudeli allalaadimiseks kättesaadavaks kolleegidele üle maailma, et seda testida ja oma uurimistöös rakendada:
"Ootame huviga kliinilisi katseid ja loodame, et lähiaastatel on mudelist abi arstidele, kes ravivad patsiente ravikombinatsioonidega, mis on tõhusad terve kasvaja vastu," ütles Flaherty
