Wat Netflix ons kan leren over het behandelen van kanker

Wat Netflix ons kan leren over het behandelen van kanker

Twee jaar geleden kondigde voormalig president Barack Obama het Precision Medicine-initiatief in zijn State of the Union-adres. Het initiatief streefde naar een "nieuw tijdperk van de geneeskunde" waar ziektebehandelingen specifiek op de genetische code van elke patiënt konden worden afgestemd. The Conversation

Dit resoneerde goed in de geneeskunde van kanker. Patiënten kunnen hun kanker al beheersen met therapieën die zich richten op de specifieke genen die in hun specifieke tumor zijn veranderd. Vrouwen met een type borstkanker veroorzaakt door de amplificatie van gen HER2 worden bijvoorbeeld vaak behandeld met een therapeutisch middel dat herceptin wordt genoemd. Omdat deze gerichte therapieën specifiek zijn voor kankercellen, hebben ze meestal minder bijwerkingen dan traditionele kankerbehandelingen met chemotherapie of bestraling.

Dergelijke behandelingen zijn echter niet beschikbaar voor de meeste kankerpatiënten. Bij veel kankers zijn de specifieke genetische veranderingen die verantwoordelijk zijn voor een kanker onbekend. Om geïndividualiseerde kankerbehandelingen te creëren, moeten we meer weten over de functionele genetische veranderingen.

Met gegevens over kankergenetica die snel groeien, kunnen wiskunde en statistieken nu helpen de verborgen patronen in deze gegevens te ontsluiten om de genen te vinden die verantwoordelijk zijn voor de kanker van een individu. Met deze kennis kunnen artsen geschikte behandelingen selecteren die de werking van deze genen blokkeren om therapieën voor individuele patiënten te personaliseren. Mijn onderzoek is gericht op het verbeteren van precisiemedicijnen bij kanker - door voort te bouwen op dezelfde methoden die zijn gebruikt om patronen te vinden in Netflix-filmbeoordelingen.

Door de gegevens bladeren

Tegenwoordig is er ongekende publieke toegang tot gegevens over kankergenetica. Deze gegevens zijn afkomstig van gulle patiënten die hun tumormonsters doneren voor onderzoek. Wetenschappers passen vervolgens sequencingtechnologieën toe om de mutaties en activiteit in elk van de 20,000-genen in het menselijk genoom te meten.

Al deze gegevens zijn een direct resultaat van de Menselijk genoom project in 2003. Dat project bepaalde de volgorde voor alle genen waaruit het gezonde menselijke DNA bestaat. Sinds de voltooiing van dat project, hebben de kosten van het sequencen van het menselijk genoom meer dan gehalveerd elk jaar, overtreft de groei van de rekenkracht beschreven in Wet van Moore. Door deze kostenverlaging kunnen onderzoekers ongeëvenaarde genetica-gegevens van kankerpatiënten verzamelen.

De meeste wetenschappelijke studies over kankergenetica die wereldwijd worden uitgevoerd, geven hun gegevens vrij in een gecentraliseerde, openbare database die wordt aangeboden door de National National Nationales of Medicine (NIH). Het NIH National Cancer Institute en het National Human Genome Research Institute hebben ook vrijelijk genetische gegevens vrijgegeven van meer dan 11,000-tumoren in 33-kankertypen via een project genaamd De kankergenenatlas.


Haal het laatste uit InnerSelf


Elke biologische functie - van het extraheren van energie van voedsel tot het genezen van een wond - is het resultaat van activiteit in verschillende combinaties van genen. Kankers kapen de genen die mensen in staat stellen om te groeien naar volwassenheid en die het lichaam beschermen tegen het immuunsysteem. Onderzoekers kopiëren deze de "Kenmerken van kanker." Deze zogenaamde genonregulatie maakt het mogelijk dat een tumor ongecontroleerd kan groeien en metastasen kan vormen in verre organen van de oorspronkelijke tumorplaats.

Onderzoekers gebruiken deze openbare gegevens actief om de reeks genveranderingen te vinden die verantwoordelijk zijn voor elk type tumor. Maar dit probleem is niet zo eenvoudig als het identificeren van een enkel ontreguleerd gen in elke tumor. Honderden, zo niet duizenden, van de 20,000-genen in het menselijk genoom worden ontregeld in kanker. De groep van niet-gereguleerde genen varieert in de tumor van elke patiënt, met kleinere sets van algemeen hergebruikte genen die elk kenmerk van kanker mogelijk maken.

Precisiemedicijnen zijn afhankelijk van het vinden van de kleinere groepen ontregelde genen die verantwoordelijk zijn voor de biologische functie in de tumor van elke patiënt. Maar genen kunnen meerdere biologische functies hebben in verschillende contexten. Daarom moeten onderzoekers een reeks "overlappende" genen ontdekken die gemeenschappelijke functies hebben in een reeks kankerpatiënten.

Het koppelen van genstatus aan functie vereist complexe wiskunde en een enorme rekenkracht. Deze kennis is essentieel om de uitkomst van therapieën te voorspellen die de functie van deze genen zou blokkeren. Dus, hoe kunnen we die overlappende functies blootleggen om individuele resultaten voor patiënten te voorspellen?

Wat Netflix ons kan leren

Gelukkig voor ons is dit probleem al opgelost in de informatica. Het antwoord is een klasse van technieken die 'matrixfactorisatie' wordt genoemd - en je hebt waarschijnlijk al in het dagelijks leven met deze technieken te maken gehad.

In 2009, Netflix was een uitdaging om filmbeoordelingen te personaliseren voor elke Netflix-gebruiker. Op Netflix heeft elke gebruiker een verschillende reeks beoordelingen van verschillende films. Hoewel twee gebruikers dezelfde smaken kunnen hebben in films, kunnen ze erg variëren in specifieke genres. Daarom kunt u niet vertrouwen op het vergelijken van beoordelingen van vergelijkbare gebruikers.

In plaats daarvan vindt een algoritme voor matrixfactorisatie films met vergelijkbare beoordelingen bij een kleinere groep gebruikers. De groep gebruikers varieert voor elke film. De computer koppelt elke gebruiker aan een groep films in verschillende mate, op basis van hun individuele smaak. De relaties tussen gebruikers worden 'patronen' genoemd. Deze patronen worden aangeleerd uit de gegevens en kunnen algemene ranglijsten vinden die niet door het filmgenre alleen zijn voorzien, bijvoorbeeld gebruikers die een voorkeur hebben voor een bepaalde regisseur of acteur.

kanker 4 21Genevieve Stein-O'Brien, CC BY

Hetzelfde proces kan werken bij kanker. In dit geval zijn de metingen van genonregulatie analoog aan filmbeoordelingen, filmgenres voor biologische functie en gebruikers voor tumoren van patiënten. De computer zoekt in patiëntentumoren naar patronen in genonregulatie die de kwaadaardige biologische functie in elke tumor veroorzaken.

Van films tot tumors

De analogie tussen filmbeoordelingen en kankergenetica breekt in de details. Tenzij ze minderjarig zijn, zijn Netflix-gebruikers niet beperkt in de films die ze bekijken. Maar onze lichamen geven er de voorkeur aan om het aantal genen dat voor een enkele functie wordt gebruikt te minimaliseren. Er zijn ook substantiële redundanties tussen genen. Om een ​​cel te beschermen, kan één gen gemakkelijk worden vervangen door een ander om een ​​gemeenschappelijke functie te vervullen. Genfuncties bij kanker zijn zelfs nog complexer. Tumoren zijn ook zeer complex en snel evoluerend, afhankelijk van willekeurige interacties tussen de kankercellen en het aangrenzende gezonde orgaan.

Om rekening te houden met deze complexiteit hebben we een matrix-factorisatie-aanpak ontwikkeld Gecoördineerde genactiviteit in patroonsets - kortweg CoGAPS. Ons algoritme is verantwoordelijk voor het minimalisme van de biologie door zo min mogelijk genen in de patronen voor elke tumor op te nemen.

Verschillende genen kunnen ook voor elkaar substitueren, waarbij elk een vergelijkbare functie in een andere context dient. Om dit te verklaren, schat CoGAPS tegelijkertijd een statistiek voor de zogenaamde "patronen" van genfunctie. Dit stelt ons in staat om de kans te berekenen dat elk gen in elke biologische functie in een tumor wordt gebruikt.

Veel patiënten nemen bijvoorbeeld een gericht therapeutisch middel genaamd cetuximab om de overleving in colorectale, pancreas-, long- en orale kankers te verlengen. Ons recent werk heeft aangetoond dat deze patronen de genfunctie kunnen onderscheiden in kankercellen die reageren op het beoogde therapeutische middel cetuximab en van degenen die dat niet doen.

De toekomst

Helaas kunnen kankertherapieën die gericht zijn op genen meestal de ziekte van een patiënt niet genezen. Ze kunnen de progressie slechts een paar jaar uitstellen. De meeste patiënten hervallen dan, met tumoren die niet langer reageren op de behandeling.

Ons eigen recente werk ontdekte dat de patronen die de genfunctie van cellen die reageren op cetuximab onderscheiden, de genen zijn die tot resistentie leiden. Opkomende immunotherapieën zijn veelbelovend en lijken sommige kankers te genezen. Maar veel te vaak komen patiënten met deze behandelingen ook terug. Nieuwe gegevens die na de behandeling de kankergenetica volgen, zijn essentieel om te bepalen waarom patiënten niet langer reageren.

Samen met deze gegevens vereist de kankerbiologie ook een nieuwe generatie wetenschappers die wiskunde en statistiek kan overbruggen om de genetische veranderingen die zich in de loop van de tijd voordoen in resistentie tegen geneesmiddelen te bepalen. Op andere gebieden van de wiskunde kunnen computerprogramma's langetermijnresultaten voorspellen. Deze modellen worden vaak gebruikt bij weersvoorspelling en investeringsstrategieën.

In deze velden en mijn eigen eerdere onderzoek, we hebben geconstateerd dat updates van de modellen van grote datasets - zoals satellietgegevens in het geval van weersomstandigheden - de langetermijnprognoses verbeteren. We hebben allemaal het effect van deze updates gezien, met weersvoorspellingen die verbeteren hoe dichter we bij een storm zijn.

Net zoals hulpmiddelen uit de computerwetenschap kunnen worden aangepast aan zowel filmaanbevelingen als kanker, zal de toekomstige generatie van computerwetenschappers voorspellingshulpmiddelen gebruiken uit een reeks velden voor precisiegeneeskunde. Uiteindelijk hopen we met deze computertools de reactie van tumoren op de therapie te voorspellen, net zoals we het weer voorspellen, en misschien nog betrouwbaarder.

Over de auteur

Elana Fertig, universitair docent oncologie, biostatistiek en bio-informatica, Johns Hopkins University

Dit artikel is oorspronkelijk gepubliceerd op The Conversation. Lees de originele artikel.

Verwante Boeken

{amazonWS: searchindex = Books; keywords = cancer research; maxresults = 3}

enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

volg InnerSelf op

facebook-icontwitter-iconrss-icoon

Ontvang de nieuwste via e-mail

{Emailcloak = off}