Medical card
A bad doctor treats the disease, a good doctor treats the cause of the disease.
  • гепатит
  • Недели беременности

    Беременность по неделям

  • Сколько живут с диагнозом рак
  • Как рыбий жир может уменьшить воспаление

Инструмент обработки данных может улучшить обнаружение рака на ранних стадиях

2024-03-15 13:43:08

Рак начинается с аномальных изменений в отдельных клетках, и способность отслеживать накопление мутаций на уровне отдельных клеток может пролить новый свет на ранние стадии заболевания. Такие знания могут обеспечить более эффективное раннее выявление и лечение пациентов, а также более точные прогнозы прогрессирования заболевания.



Согласно статье , опубликованной в журнале Nature Communications , группа исследователей из Университета Райса под руководством Луай Накле разработала платформу для интеграции данных ДНК и РНК, полученных в результате секвенирования отдельных клеток, с большей скоростью и точностью, чем новейшие современные технологии. .


Метод, картирующий междоменную нуклеиновую кислоту или MaCroDNA, основан на классическом алгоритме для идентификации совпадающих пар данных из ДНК — генетического проекта клетки — и РНК — инструкции клетки по сборке белка.


«Представьте, что вам дают два больших набора фотографий автомобилей с размытыми номерными знаками и другими опознавательными знаками», — сказал Мохаммадамин Эдриси, доктор философии из Райса. студент факультета информатики и ведущий автор исследования.


«Один набор содержит фотографии машин, сделанные спереди, а другой набор — фотографии машин сзади, и кто-то просит вас найти пары фотографий, принадлежащих одной и той же машине. Это метафора задачи. мы пытались решить. Автомобили — это раковые клетки , а два набора фотографий — это измерения данных ДНК и РНК».


На самом деле сценарий, для решения которого предназначен MaCroDNA, более сложен.


«В типичном эксперименте по секвенированию одной клетки рака наборы данных ДНК и РНК получают из разных клеток в образце опухоли», — сказал Нахле, старший автор исследования. «Таким образом, сопоставление в таком сценарии происходит между ячейками, которые, как мы знаем, не являются одинаковыми».



«Для продолжения аналогии представьте, что каждая фотография сделана спереди или сзади другого автомобиля Toyota, и мы хотим сопоставить пары фотографий, принадлежащих автомобилю одной и той же модели — передней и задней части Toyota Camry. , Toyota Corolla и т. д. Различные модели автомобилей здесь аналогичны различным клонам внутри гетерогенной опухоли, где ожидается, что каждый клон будет иметь очень похожие, но не полностью идентичные сигнатуры ДНК и РНК во всех клетках внутри клона».


Секвенирование отдельных клеток значительно развилось за последнее десятилетие, что способствовало открытиям в различных областях биологии. Этот метод секвенирования является эффективным инструментом для изучения того, как изменения на уровне генетического кода влияют на состав или функционирование клеток, что упрощает отслеживание типов трансформаций, которые превращают популяцию здоровых клеток в злокачественную ткань.


«Раковые клетки демонстрируют аномальные структуры РНК, и одной из причин этого являются мутации ДНК», — сказал Эдриси.


В своем стремлении определить лучший инструмент для решения этой задачи исследователи протестировали различные методы на реальном наборе биологических данных с известными совпадающими парами ДНК-РНК.


«Мы протестировали современный метод под названием clonealign и другие широко используемые методы, используя реальный набор данных с достоверной информацией для измерения точности», — сказал Эдриси. «Интересно, что использование этого набора данных было одной из новинок в нашей работе. Предыдущие исследования основывались на смоделированных данных для измерения точности, хотя не существует научного консенсуса относительно того, как моделировать такие данные».


Из различных протестированных ими технологий машинного обучения исследователи обнаружили, что использование классического коэффициента корреляции и алгоритма двустороннего сопоставления с максимальным взвешиванием дает наиболее точные результаты. Другими словами, MaCroDNA значительно превзошла clonealign.


«Удивительной частью нашей работы было то, что использование классической корреляции вместо сложной формулы clonealign и включение ее в алгоритм 1950-х годов привело к лучшей точности, которую мы когда-либо видели», — сказал Эдриси. «Урок заключается в том, что мы никогда не должны судить алгоритм по его сложности. Попробуйте и убедитесь, что его сравнивают с другими в справедливых условиях».


Метод доступен для использования в исследованиях рака , посвященных роли динамики ДНК-РНК в возникновении рака.


Оставьте комментарии и отзывы!

Используйте нормальные имена. Ваш комментарий будет опубликован после проверки.

(обязательно)