PNAS:科学家开发了一种新方法来预测癌症患者对药物的反应

来源：原创网站2022-01-07 10:49

荷兰癌症研究所等机构的科学家通过研究开发了一种算法，可以预测患者对抗癌药物的反应，这可能有助于研究人员快速确定某些药物是否会对特定患者产生积极影响，即使是像化疗这样的复杂药物，通常也很难预测其反应。

2022年1月7日/100 bion/-临床前模型一直是癌症研究的主力军，可以产生大量的药物反应数据；不幸的是，将这些数据集产生的反应生物标志物转化为人类肿瘤已被证明是具有挑战性的。近日，发表在国际期刊《美国国家科学院院刊》上的一篇题为《用在细胞系和患者衍生异种移植物上训练的模型预测患者反应》的文章“通过非线性转移学习”，来自荷兰癌症研究所等机构的科学家通过研究开发了一种预测患者对抗癌药物反应的算法，这可能有助于研究人员快速确定某些药物是否会对特定患者产生积极影响，甚至是化疗等复杂药物，而这些药物通常很难预测反应。

图片：代尔夫特理工大学

这种称为TRANSACT的方法可以利用以前从细胞系研究中获得的大量数据。该细胞系由可在培养物中人工培养的人细胞组成。此类细胞系已被广泛用于研究癌症药物的耐药机制。然而，这些研究成果目前还没有很好地转化为人体研究，部分原因是细胞系是人工模型，其复杂性与实际肿瘤相比非常有限。TRANSACT方法可以弥补模型体系与临床实践的差距。

研究人员Soufiane Mourragui博士说，我们开发的TRANSACT方法可以利用细胞系模型测得的药物反应数据来预测患者对特定抗癌药物的反应。不幸的是，这些模型不能完全代表在癌症患者中观察到的生物学特征。为了解决这个问题，TRANSACT可以通过机器学习的方式模拟细胞系和肿瘤之间的共同生物学特征，这可能有助于研究人员在两个临床数据集中做出更好的预测，因此研究人员可以使用计算机算法来支持临床医生的治疗决策。

TRANSACT是研究人员朝着正确方向迈出的第一步。现在，研究人员可以更好地预测人们对药物的反应。有趣的是，他们可以使用TRANSACT来预测患者是否会对各种现有药物产生反应。TRANSACT方法的发展也为癌症患者开发新的治疗方法提供了新的希望和可能。机器学习技术可以帮助研究人员更加关注细胞系和患者之间的共享过程，在药物反应中发挥重要作用。研究人员的目标是利用这些研究结果来帮助临床医生为患者做出更好的治疗。

图片：https://www.pnas.org/content/118/49/e2106682118

研究人员Soufiane Mourragui表示，虽然我们的工作代表了药物反应预测领域的进展，但这种新方法的性能可能离临床应用还很远，因此需要后期研究人员进一步研究来提高这种方法的性能。但随着更多数据和算法的发展，未来研究者有望进一步提高TRANSACT方法的性能。综上所述，本研究的结果表明，与其他方法相比，研究人员可能能够通过正确识别靶向治疗的已知生物标志物来证明TRANSACT预测因子的可解释性。同时，研究者还提出了介导两种化疗药物耐受性的潜在机制。(100yiyao.com 100医疗网)

原始来源：

《国家科学院院刊》(2021年)。doi : 10.1073/PNAS . 21863 . 18888888886

版权声明

本网站标注“来源：百医网”或“来源：bioon”的文字、图片、音视频资料均属于百医网网站版权所有。未经授权，任何媒体、网站或个人不得转载，否则将承担责任。获得书面授权转载时，必须注明“来源：百医网”。其他来源的文章均为转载。本网站所有转载都是为了传递更多信息。转载不代表本网站的立场。不想被转载的媒体或个人可以联系我们，我们会立即删除。

87%的用户在随时阅读、评论、分享百医网APP。请扫描二维码下载-