Ученые точно измеряют эволюцию рака, используя алгоритмы для анализа генетического состава опухолей

Важные новости

Ученые точно измеряют эволюцию рака, используя алгоритмы для проанализировать генетический состав опухолей

Разработка задачи. Источник: Природная биотехнология (2024 г.). DOI: 10.1038/s41587-024-02250-y

В новом исследовании, проведенном Калифорнийским университетом в Лос-Анджелесе, исследователи проливают свет на сложные процессы, лежащие в основе эволюции рака, и определяют оптимальные алгоритмы для анализа генетического состава опухолей.

< p>Результаты, опубликованные в журнале Nature Biotechnology, подробно описывают новые онлайн-ресурсы, которые помогают ученым выбирать лучшие алгоритмы для анализа эволюции опухолей, повышения точности диагностики и планирования лечения.

Понимание эволюции опухолей имеет решающее значение для лечения рака. Опухоли с большим генетическим разнообразием, как правило, труднее поддаются лечению и с большей вероятностью сопротивляются терапии. Время возникновения конкретных мутаций также может влиять на эффективность лечения.

Чтобы лучше измерить процесс эволюции, ученые используют алгоритмы субклональной реконструкции для анализа данных секвенирования ДНК опухолей, что приводит к лучшему пониманию того, как возникает рак. , расти и реагировать на лечение, а также предоставляет ценную информацию для диагностики и стратегий лечения.

Этот метод, включающий сложные математические и компьютерные алгоритмы, стал важным инструментом для лучшего понимания и отслеживания процесса эволюции рака. Однако для этой задачи были разработаны десятки алгоритмов, и до сих пор неясно, какие из них наиболее точны и когда они работают хорошо. Эта неопределенность стала препятствием для более широкого клинического внедрения.

«Результаты субклональной реконструкции могут существенно различаться от алгоритма к алгоритму», — сказала Адриана Сальседо, компьютерный биолог в области генетики человека из Медицинской школы Дэвида Геффена в Калифорнийском университете в Лос-Анджелесе и соавтор исследования.

«Мы хотят иметь возможность лучше понять, как выбор экспериментов и алгоритмов может быть оптимизирован для конкретной задачи, что может помочь ученым, разрабатывающим эти алгоритмы, а также людям, которые просто применяют эти алгоритмы в своих собственных исследованиях, чтобы они могли выбирать лучший для своей цели, а затем, в свою очередь, сможет более информированно интерпретировать результаты.»

Чтобы выяснить, какой алгоритм является наиболее точным для различных задач, Сальседо и другие исследователи Калифорнийского университета в Лос-Анджелесе создали глобальный консорциум. Эта группа запустила семилетнюю программу под названием ICGC-TCGA DREAM DREAM Somatic Mutation Calling — Tumor Heterogeneity and Evolution Challenge. Группы по всему миру использовали облачные вычисления для оценки семи различных аспектов эволюции опухолей, проведя в общей сложности 12 061 анализ.

Анализируя эти данные, Сальседо обнаружил, что лишь несколько характеристик опухоли существенно влияют на точность алгоритмов реконструкции. Хотя некоторые экспериментальные факторы, такие как качество данных секвенирования и чистота опухоли, сыграли свою роль, выбор алгоритма был более важным, чем характеристики самой опухоли, при определении точности.

Они также не обнаружили ни одного алгоритма, который работал бы лучше всего. для всех задач и стандартные подходы к объединению нескольких алгоритмов существенно не повысили точность.

«Мы были удивлены, что сам алгоритм был настолько важен», — сказал Пол Бутрос, профессор урологии и генетики человека в Школе медицины Дэвида Геффена в Калифорнийском университете в Лос-Анджелесе, директор по научным данным о раке в UCLA Health Jonsson Comprehensive Cancer Center и соавтор исследования. «Это дает исследователям немедленное практическое понимание того, как они транслируют исследования, клинические испытания и в конечном итоге полностью предсказывают сложности эволюции рака».

Поскольку разные алгоритмы лучше всего справляются с разными подзадачами субклональной реконструкции, команда предоставила онлайн-инструменты, которые помогут пользователям выбрать наиболее подходящий для их наборов данных и интересующих вопросов.

Сейчас команда работает над выяснением того, где сейчас находится ситуация. методы могут быть улучшены, чтобы лучше отражать текущие изменения в раковых клетках и создавать более эффективные симуляторы эволюции рака. Существует также потребность в руководстве относительно того, где необходимы новые усилия в области искусственного интеллекта для улучшения способности измерять эволюцию рака.

«Разгадывая сложную динамику опухоли с помощью инновационных вычислительных методов, мы можем предсказать, куда будет развиваться рак», — сказал Бутрос. «И зная, куда он пойдет, мы можем разработать методы лечения, которые не позволят раку стать смертельным».

Бутрос также является временным заместителем декана по исследованиям в Медицинской школе Дэвида Геффена в Калифорнийском университете в Лос-Анджелесе. заместитель директора по онкологической информатике в Институте точного здравоохранения Калифорнийского университета в Лос-Анджелесе и является членом Центра регенеративной медицины и исследований стволовых клеток Эли и Эдит Броуд. Другой со-старший автор исследования — Питер Ван Лоо из Онкологического центра доктора медицины Андерсона. Другой соавтор исследования — Максим Тарабичи из Института Фрэнсиса Крика.

Дополнительная информация: Адриана Сальседо и др., Краудсорсинговый сравнительный анализ субклональная реконструкция опухоли на одном образце, Nature Biotechnology (2024). DOI: 10.1038/s41587-024-02250-y

Информация журнала: Природная биотехнология Предоставлено Калифорнийским университетом, Лос-Анджелес

Новости сегодня

Последние новости