AI-basierte neuronales Netzwerk revolutioniert die Vorhersagen der Krebsbehandlung

Ein erstklassiges neuronisches Netzwerk für künstliche Intelligenz (KI) kann schnell Millionen von Zellen aus einer Patientenprobe analysieren und interpretieren, wodurch molekulare Veränderungen im Gewebe vorhergesagt werden. Es kann möglicherweise genau bestimmen, wo personalisierte Behandlungen bei Erkrankungen wie Krebs am effektivsten sein können.

NicheCompass nutzt die Leistung von generativem KI, um eine visuelle Datenbank zu erstellen, die räumliche genomische Daten zu Zelltypen kombiniert, wo sie gefunden werden und wie sie kommunizieren. Erstellt von Forschern des Wellcome Sanger -Instituts, des Instituts für Gesundheit für Gesundheit in Helmholtz München, der Universität Würzburg und ihrer Mitarbeiter als Teil der breiteren Initiative „Human Cell Atlas“ ist dies die erste KI -Methode, die eine Reihe von Daten aus dem sozialen Netzwerk einer Zelle erkennen und analysiert, um unterschiedliche Zellen unterschiedlich zu erkennen und zu analysieren.

Ein neues Papier, das heute (18. März) veröffentlicht wurde in Naturgenetikführt Nichecompass ein und beschreibt, wie sie Gewebeveränderungen bei Patienten mit Brust- und Lungenkrebs aufdecken können. Die Forscher zeigen, wie NicheCompass erkennen kann, wie bestimmte Personen durch die Macht der KI auf die Behandlung unterschiedlich reagieren können – alle in einer Stunde. Letztendlich wird es dazu beitragen, personalisierte Therapiepläne zu entwickeln und spezifische Veränderungen hervorzuheben, die bei Erkrankungen wie Krebs ins Visier genommen werden könnten.

Jede Zelle im menschlichen Körper kommuniziert mit ihrer Umgebung und ist in ein größeres Netzwerk von Interaktionen beteiligt. Zellen alle haben Merkmale, die es ihnen ermöglichen, als Teil ihrer Kommunikationsnetzwerke erkannt zu werden, wie z. B. welche Proteine ​​sie auf ihrer Oberfläche haben. Es ist möglich, ähnliche Zellen durch ihre Merkmale zu verbinden.

Einzelzell- und räumliche genomische Technologien haben unser Verständnis des menschlichen Körpers revolutioniert und die Schaffung mehrerer eingehender Zellatlasen verschiedener Gewebe und Organe ermöglicht.

Diese Atlasen enthalten Informationen über die Vielzahl von Zelltypen, wo sie sich befinden, und wie sich genetische Veränderungen auf die Interaktion miteinander auswirken können. Wenn Sie verstehen, wie der menschliche Körper auf zellulärer Ebene arbeitet, kann er unser Verständnis darüber informieren, was bei Krankheiten passiert, und neue Ziele für die Entwicklung von Arzneimitteln hervorzuheben.

Während diese Atlasen Informationen darüber enthalten, wo Zellen gefunden werden und wie sie in ihren spezifischen Nachbarschaften oder Netzwerken interagieren, ist es schwierig, diese Nachbarschaften zu quantifizieren und zu interpretieren und zu verstehen, was die sozialen Wechselwirkungen von Zellen antreibt.

In einer neuen Studie präsentieren Forscher und ihre Mitarbeiter NicheCompass, ein Tiefki-KI-Modell, das auf der Kommunikation von Zellen zu Zellen basiert. Dies bedeutet, dass es erfährt, wie unterschiedliche Zellen über ihre Netzwerke kommunizieren und diese dann mit ähnlichen Zellennetzwerken ausrichten, wodurch Nachbarn innerhalb von Geweben durch gemeinsame Merkmale erzeugt wird.

Aus diesem Grund kann NicheCompass die Daten interpretieren und es Forschern und Klinikern ermöglichen, Fragen zu den Daten zu stellen und die Gesundheitszustände besser zu verstehen. Zum Beispiel: „Wie kommunizieren Krebszellen bei Patienten mit Lungenkrebs mit der Umwelt um sie herum?“

Unter Verwendung von NicheCompass kombinierten Forscher Daten von 10 Patienten mit Lungenkrebs und konnten die Ähnlichkeiten und Unterschiede zwischen Personen erkennen. Die Ähnlichkeiten tragen dazu bei, unser allgemeines Verständnis von Krebs zu informieren und alle Transkriptionsänderungen hervorzuheben, die bei neuen Behandlungen nützlich sein könnten. Im Vergleich dazu zeigen die Unterschiede neue mögliche Möglichkeiten für die personalisierte Medizin.

Weitere Patientendaten können einbezogen werden, sodass Kliniker ihre eigenen Patientendaten eingeben können und in einer Stunde detaillierte Informationen über eine individuelle Erkrankung erhalten, um klinische Entscheidungen zu leiten.

Das Team verwendete auch Nichecompass für Brustkrebsgewebe und zeigte seine Wirksamkeit zwischen verschiedenen Krebsarten.

Sie verwendeten dieses Netzwerk auch mit 8,4 Millionen Zellen auf einen räumlichen Atlas des Maus -Gehirns, und es war in der Lage, Gehirnabschnitte schnell und korrekt zu identifizieren und eine visuelle Ressource des gesamten Organs zu erstellen. Dies zeigt, wie es auf räumliche Atlasen von ganzen Organen angewendet werden kann, die von Forschern weltweit erzeugt werden.

Eine große Menge an Daten über den menschlichen Körper ist entscheidend, um neue Wege zu finden, um Krankheiten zu verstehen, zu verhindern und zu behandeln. Wir benötigen jedoch auch Tools, mit denen wir auf alle Vorteile zugreifen können, die diese Informationen bieten könnten. NicheCompass ist ein bedeutender Sprung in diesem Bereich, der die Macht der KI nutzt, aber auch Interpretierbarkeit bietet und es Forschern und Klinikern ermöglicht, Fragen zu ihren Daten zu stellen und Krankheiten besser zu verstehen und zu behandeln. „

Sebastian Birk, Erstautor am Institut für Gesundheit, Helmholtz München und das Wellcome Sanger Institute

Dr. Carlos Talavera-López, Co-Senior-Autor der University of Würzburg, sagte: „Mit Nichecompass konnten wir die Unterschiede in der Art und Weise, wie Immunzellen mit Lungenkrebstumoren interagieren, bei Patienten sehen. Diese reale Anwendung hat nicht nur nicht mehr nicht mehr über das Verständnis des Kollektivs hinzufügen. Hilfeshilfe, deren Krebs hilfreich war, hat auch Krebs. Decken Sie neue Wege auf, um das Immunsystem bei bestimmten Krebsarten zu nutzen, und schaffen Sie personalisierte Behandlungen, die das Immunsystem eines Patienten ermöglichen, um die Krebsmechanismen direkt abzuzielen. „

Dr. Mohammad Lotfollahi, Co-Senior-Autor des Wellcome Sanger Institute, sagte: „Die Menschen kommunizieren häufig mit einer Reihe verschiedener Informationen mit ihren Netzwerken. Sie könnten Entwicklungen aus der Arbeit oder Bilder ihrer Feiertage teilen, und obwohl diese möglicherweise zu unterschiedlichen Freunden zurückzuführen sein können, können sie alle miteinander übergeordneten Merkmalen mit unterschiedlichen Merkmalen miteinander über die Kennzeichnungen zurückgreifen. ist das erste KI -Modell seiner Art, das diese Netzwerke interpretieren und Fragen beantworten kann, die sich direkt auf das Patientenleben auswirken könnten, z.

Quellen: