Predviđanje ishoda pacijenta kod različitih vrsta raka pomoću veštačke inteligencije i epigenetike

Istraživači iz UCLA Health Jonsson Comprehensive Cancer Center razvili su model veštačke inteligencije (AI) zasnovan na epigenetičkim faktorima koji uspešno mogu predvideti ishode pacijenata kod različitih vrsta raka.

Istraživači su otkrili da proučavanjem uzoraka izražavanja gena epigenetičkih faktora – faktora koji utiču na to kako se geni uključuju ili isključuju u tumorima – mogu kategorizovati ih u različite grupe kako bi bolje predvideli ishode pacijenata kod različitih vrsta raka od tradicionalnih mera poput stadijuma i stepena kancera.

Ovi nalazi, opisani u časopisu Communications Biology, takođe postavljaju temelje za razvoj ciljanih terapija kojima se regulišu epigenetički faktori u terapiji raka, poput histon acetiltransferaze i SWI/SNF hromatinske remodelere.

„Tradiconalno, rak je viđen kao rezultat genetskih mutacija unutar onkogena ili tumorskih supresora“, rekao je ko-autor studije Hilari Koler, profesor molekularne, ćelijske i razvojne biologije i član Jonsson Comprehensive Cancer Center i Eli and Edythe Broad Centra za regenerativnu medicinu i istraživanje matičnih ćelija na UCLA.

„Međutim, pojava naprednih tehnologija sekvenciranja sledeće generacije sve je više ljudi navela da stanje hromatina i nivoi epigenetičkih faktora koji održavaju ovo stanje igraju važnu ulogu u kanceru i napredovanju karcinoma. Postoje različiti aspekti stanja hromatina – poput toga da li su histonski proteini modifikovani ili da li nukleinske kiseline DNA sadrže dodatne metil grupe – koje mogu uticati na ishod raka. Razumevanje ovih razlika između tumora moglo bi nam pomoći da saznamo više o tome zašto neki pacijenti drugačije reaguju na terapije i zbog čega se njihovi ishodi razlikuju.“

Dok su prethodne studije pokazale da mutacije u genima koji enkodiraju epigenetičke faktore mogu uticati na osetljivost individualca na kancer, malo se zna o tome kako nivoi ovih faktora utiču na napredovanje raka. Nedostatak ovog znanja je ključan za potpuno razumevanje kako epigenetika utiče na ishode pacijenata, napomenula je Koler.

Da bi videli da li postoji veza između epigenetičkih uzoraka i kliničkih ishoda, istraživači su analizirali uzorke izražavanja 720 epigenetičkih faktora kako bi klasifikovali tumore iz 24 različite vrste raka u odvojene grupe.

Od 24 vrste raka kod odraslih osoba, istraživači su otkrili da kod 10 od tih kancera, grupe su bile povezane sa značajnim razlikama u ishodima pacijenata, uključujući preživljavanje bez progresije, specifično preživljavanje bolesti i ukupno preživljavanje.

Ovo je posebno bilo istinito za adrenokortikalni karcinom, bubrežni ćelijski karcinom, gliom nižeg stepena mozga, hepatocelularni karcinom jetre i adenokarcinom pluća, gde su razlike bile značajne za sve mere preživljavanja.

Grupe sa lošim ishodima često su imale viši stadijum kancera, veću veličinu tumora ili ozbiljnije pokazatelje širenja.

„Primetili smo da je prognostička efikasnost epigenetičkog faktora zavisila o tkivu porekla vrste raka“, rekao je Mithun Mitra, ko-autor studije i saradnik naučnih projekata u Kolerovoj laboratoriji. „Primetili smo ovu vezu čak i kod nekoliko vrta raka kod dece koje smo analizirali. Ovo može biti od pomoći prilikom odlučivanja o specifičnoj relevantnosti terapeutskog ciljanja ovih faktora za pojedinačne vrste raka.“

Zatim su istraživači koristili nivoe izražavanja gena epigenetičkih faktora da bi obučili i testirali AI model za predviđanje ishoda pacijenata. Ovaj model je posebno dizajniran da predvidi šta bi se moglo desiti kod pet vrsta raka koje su imale značajne razlike u merenjima preživljavanja.

Naučnici su otkrili da je model uspešno mogao podeliti pacijente sa ovih pet vrsta raka u dve grupe: jedna sa značajno većom šansom za bolje ishode i druga sa većom šansom za lošije ishode.

Takođe su primetili da su geni koji su bili najvažniji za AI model imali značajno preklapanje sa genima koji definišu grupe.

„AI model za pan-kancer je obučen i testiran na odraslim pacijentima iz TCGA koorte i bilo bi dobro testirati ga na drugim nezavisnim skupovima podataka kako bi se istražila njegova šira primenljivost“, rekao je Mitra. „Slični modeli zasnovani na epigenetičkim faktorima mogu se generisati za dečje kancere kako bi se videlo koje faktore utiču na proces donošenja odluka u odnosu na modele napravljene na osnovu kancera kod odraslih osoba.“

„Naše istraživanje pomaže u stvaranju puta za slične AI modele koji se mogu generisati uz pomoć javno dostupnih lista prognostičkih epigenetičkih faktora“, rekao je prvi autor studije Majkl Čeng, doktorant u programa bioinformatike na UCLA. „Put pokazuje kako prepoznati određene uticajne faktore kod različitih vrsta kancera i sadrži uzbudljiv potencijal za predviđanje specifičnih ciljeva za lečenje karcinoma.“

FAQ:

1. Kako je AI model razvijen od strane istraživača iz UCLA Health Jonsson Comprehensive Cancer Center?

Odgovor: Istraživači su razvili AI model koji je obučen pomoću nivoa izražavanja gena epigenetičkih faktora kako bi predvidio ishode pacijenata kod pet vrsta raka.

2. Koje vrste raka su pokazale značajne razlike u ishodima pacijenata na osnovu epigenetičkih uzoraka?

Odgovor: Adrenokortikalni karcinom, bubrežni ćelijski karcinom, gliom nižeg stepena mozga, hepatocelularni karcinom jetre i adenokarcinom pluća su pokazali značajne razlike u ishodima pacijenata na osnovu epigenetičkih uzoraka.

3. Kako ovi nalazi mogu biti od pomoći u razvoju terapija protiv kancera?

Odgovor: Ovi nalazi otvaraju mogućnosti za razvoj ciljanih terapija koje regulišu epigenetičke faktore u terapiji karcinoma.

4. Kako će ovaj model biti dalje testiran?

Odgovor: Plan je da se model testira na drugim nezavisnim skupovima podataka kako bi se istražila njegova primenljivost na različite vrste kancera.

5. Koje su moguće primene ovog istraživanja?

Odgovor: Moguće primene ovog istraživanja uključuju stvaranje sličnih AI modela za predviđanje ishoda kod dečjih kancera i identifikaciju specifičnih ciljeva za terapiju karcinoma na osnovu epigenetičkih faktora.