슬롯 사이트 (WPI)의 연구팀이 개발 한 새로운 통계 모델은 의사가 종양에서 발견 된 특정 유전자 돌연변이를 기반으로 환자를위한 개인화 된 암 치료를 만들 수 있습니다.
암은 단일 질환이 아니라 많은 질병의 수집 인 것처럼, 개별 종양은 한 가지 유형의 암 세포로 구성되지 않을 가능성이 없습니다. 실제로, 암으로 이어지는 유전자 돌연변이는 종종 암 세포 아형이 혼합 된 종양을 초래합니다.
피망 슬롯 팀은 작은 생검 샘플에서 유전자 발현 데이터를 분석하여 고형 종양에서 이러한 다중 유전자 하위 유형을 식별하기 위해 고급 알고리즘을 사용하는 새로운 통계 모델을 개발했습니다. 결과는보다 효과적인 암 치료를 형성하고 향후 연구를 안내하는 데 도움이 될 수 있습니다. 새 모델의 세부 사항은 종이“ 에보 고되어 있습니다.GLAD : 이종 종양 하위 유형 분류를위한 혼합 멤버십 모델” Bioinformatics 저널에 의해 출판되었습니다.
“오늘날 종양을 분류하는 데 사용되는 많은 통계 모델은 '전부 또는 전혀'접근 방식으로 제한됩니다.Patrick Flaherty, PhD., 피망 슬롯의 생물 의학 공학 조교수 및 새 논문의 선임 저자. 다시 말해, 그들은 종양에서 단일의 지배적 인 암 세포 하위 유형 만 분류하지만 오해의 소지가있을 수 있습니다. 암 세포의 한 하위 유형을 표적으로하는 약물은 다른 하위 유형에 영향을 미치지 않을 수 있습니다. 따라서 우리는 종양에서 암 세포 하위 유형의 다중 분획을보다 정확하게 예측할 수있는 모델을 개발하기 시작했습니다. ".
암 세포는 유전자 돌연변이가 비정상적인 방식으로 성장하고 신체의 자연적인 방어를 피할 수 있기 때문에 확인되지 않은 채로 증식되지 않습니다. 종양이 자라면서, 이러한 암 세포는 곱하고 발전하여 상이한 아형의 클러스터를 형성한다. 각 하위 유형은 유전자에 의해 생성 된 생성물의 고유 한 패턴으로 식별 될 수 있습니다. 이러한 유형의 데이터가 감소하는 DNA 시퀀싱 테스트 비용으로 인해 데이터의 홍수를 처리하고 의사가 실시간으로 사용할 수있는 관련 정보를 만들기위한 통계 도구가 필요합니다..
“임상 실험실은 이제 환자의 암 세포의 게놈을 시퀀싱 할 수 있기 때문에 예후 및 치료가 빅 데이터 문제가되고있다”고 Flaherty는 말했다. "우리의 실험실은 빅 데이터 세트에서 실행 가능한 정보를 추출하는 데 중점을 두므로 의사와 환자가 더 나은 결정을 내릴 수 있습니다."
논문에보고 된 바와 같이 Flaherty의 팀은 Gladian, Laplace 및 Dirichlet의 경우 모델의 통계적 배포판)라는 새로운 모델을 개발했습니다. 그들은 먼저 암 세포의 2 개의 아형을 갖는 종양의 유전자 발현 패턴과 유사하게 구축 된 시뮬레이션 된 데이터 세트에서 Glad를 시험했다. 이 모델은 두 하위 유형의 올바른 분수를 식별했습니다. 다음으로, 기쁜 유전자 발현 데이터를 사용하여 이들 세포의 알려진 비율을 갖는 샘플에서 래트 폐, 뇌 및 간 세포의 백분율을 정확하게 결정했다. 마지막으로, 암 게놈 아틀라스 프로젝트에서 얻은 202 개의 교 모세포종 (인간 뇌종양) 샘플의 유전자 발현 데이터에 기뻐 하였다. 교 모세포종 종양은 4 개의 아형 세포를 갖는 것으로 생각되며, 각각의 분획을 정확하게 예측했습니다.
Flaherty는 유방암 환자를 치료하는 임상 파트너와의 협력을 모색하고 있습니다. 희망은 시간이 지남에 따라 환자 생검으로부터 유전자 발현 데이터에 기쁨 모델을 적용하고 결과가 환자의 결과 및 사용 된 화학 요법과 어떻게 상관되는지 확인하는 것입니다. Flaherty는 또한 완전한 기쁨 모델을 만들었습니다다운로드 가능연구를 테스트하고 적용하기 위해 전 세계의 동료들에 의해.
우리는 임상 검사를 기대하고 있으며 앞으로 몇 년 안에 전체 종양에 효과적인 치료법을 가진 환자를 치료할 때 의사에게 도움이 될 것으로 기대합니다.
Flaherty의 공동 저자 인 Glad Paper는 버클리에있는 캘리포니아 대학교의 Jon McAuliffe 박사와 Glad Model이 개발 중이며 피망 슬롯의 Flaherty 그룹의 대학원생이었던 Hachem Saddiki.
