机器学习为新的个性化疗法创造了机会

在卵巢癌的细胞系和小鼠模型中，研究人员开发了一种跨学科方法来识别某些基因中的代谢脆弱性，这些基因可以靶向杀死癌细胞。

密歇根大学Rogel癌症中心的研究人员开发了一种计算平台，可以预测卵巢癌中新的和特定的代谢靶点，这表明有机会为根据肿瘤基因组成的患者开发个性化疗法。这项研究发表在《自然代谢》上。

癌症突变经常发生在卵巢癌中，使细胞具有生长优势，有助于疾病的侵袭性。但有时某些基因的缺失可能与这些突变一起发生，并使细胞容易受到治疗。尽管如此，癌细胞生长得如此之好，是因为副同源基因可以补偿这种功能丧失并继续驱动肿瘤形成。

领导这项研究的生物医学工程副教授Deepak Nagrath博士希望更多地了解这些与新陈代谢相关的补偿基因。“当一个基因被删除时，允许癌细胞生长的代谢基因也会被删除。该理论认为，由于特定的遗传改变，癌细胞的新陈代谢中会出现脆弱性。

当调节代谢功能的基因被删除时，癌细胞基本上会重新连接它们的新陈代谢以提出备用计划。使用一种在细胞系和小鼠模型中集成复杂代谢建模，机器学习和优化理论的方法，研究小组发现了卵巢癌酶MTHFD2的意外功能。这是线粒体受损的卵巢癌细胞特有的，这是由于UQCR11的常见缺失。这导致线粒体内必需代谢物NAD+的严重失衡。

该算法预测MTHFD2令人惊讶地逆转了其在细胞中提供NAD +的作用。这创造了一个漏洞，可以针对选择性地杀死癌细胞，同时对健康细胞的影响最小。

“像这样的个性化疗法正在成为提高一线癌症治疗疗效的可能性越来越大，”该研究的研究员和第一作者Abhinav Achreja博士说，“有几种方法可以发现癌症的个性化靶点，并且有几个平台基于大数据分析预测靶点。我们的平台通过考虑代谢功能和机制进行预测，从而增加转化为临床的成功机会。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！