大数据和AI满足癌症研究

许多癌症患者接受多种药物治疗,其中每个攻击癌症以不同的方式,因此,在许多战线上对抗癌症。但更多的药物意味着更高的副作用的风险。

“最癌症治疗说:“现在是一个联合治疗,Avinash Sahu (Avi),博士,助理教授新墨西哥大学综合癌症中心。从哈佛和丹娜-法伯癌症研究所Sahu加入在野势力。“我们想要找到药物可以抑制两个同时致癌途径。”

但与其花上几个小时在实验室,Sahu转向他的电脑。

Sahu和他的研究小组创建了两个方法。第一,称为BiopotentR,使用公开可用的基因组数据找到药物,可以以多种方式攻击癌细胞和识别基因药物的目标。第二个应用机器学习这一信息的方法来预测人们将如何应对免疫疗法。他们的工作发表在癌症的发现。

机器学习是类似于人们的学习方式。就像人们学习新措施例如骑自行车或驾驶汽车通过大量的经验,电脑驱动的机器学习吸收大量的数据和生活模式,它可以适用于其他任务。

但癌症研究数据本身并不足够Sahu和他的团队来预测人们会如何应对药物。他们需要额外的生物数据,他们可以申请癌症患者和癌症药物反应。在机器学习方面,他们需要学习生物学背景和知识应用于癌症上下文;这是一个叫做转移的技术学习。

Sahu和他的团队与公司合作,找到一个目标前癌症基因的复合使用BipotentR候选人他们发现了。在临床前测试,证实他们的预测是准确的。

但是工作可以扩展,Sahu说。

“当肿瘤有过分活跃的多功能药物靶点,患者不太可能对免疫治疗,”他说。“不过,这些类型的肿瘤患者可能受益于免疫疗法和多功能的组合药物。”

团队的工作不局限于代谢和免疫目标;它可以根据探索任何两个因素找到更好的多功能药物。Sahu说这种方法提供了一个激动人心的机会在各种各样的新研究癌症解决项目。

和更快的药物发现意味着更准确的个性化医疗。