研究人员创建算法来帮助预测癌症风险与肿瘤相关变体
![Credit: Unsplash/CC0 Public Domain 癌症细胞](https://scx1.b-cdn.net/csz/news/800a/2022/cancer-cell-1.jpg)
范德堡大学研究人员研制出了一种活跃的机器学习方法来预测未知的肿瘤变异的影响意义,或VUS开头,对化疗的敏感性。VUS开头,突变的DNA与未知对癌症风险的影响,不断地确认。越来越多的执行罕见的vu科学家必须对它们进行分析和确定他们传授的癌症风险。
传统的预测方法显示执行罕见的vu的有限的力量和准确性。甚至机器学习、人工智能工具,利用数据来“学习”,提高性能,当执行一些分类的vu不足。实验室最近的工作的沃尔特·Chazin总理的椅子在医学和生物化学和化学教授co-first作者和博士后研究人员领导的亚历山德拉颜色和扁,出现一个活跃的机器学习技术。
活跃的机器学习依赖于训练算法与现有的数据,与机器学习,喂养它新信息之间轮培训。Chazin和执行他的实验室确认的vu预测至少确定,进行生化实验执行那些的vu并将结果数据纳入后续轮算法训练。这使得执行模型,不断改善其的vu分类。
研究人员验证他们的方法在四个蛋白与癌症。与验证算法在手,他们分析了执行无特征的vu名为尼珥-参与DNA修复途径突变在DNA修复途径经常与癌症和相关证明,活跃的机器学习可以更好地预测变异”与传统相比对癌症风险的影响机器学习。
虽然执行罕见的vu肿瘤基因组中确定不太可能主要负责的初始开发肿瘤,不过他们可能影响肿瘤的生长和对治疗的反应。执行描述的vu可以帮助临床护理最大化,并将主动学习框架添加到VUS-interpretation工具包可以提高临床医师采用精密医学的能力为每一个病人。
发表在癌症研究,这对研究工作奠定了基础机制的执行功能障碍和化疗反应的细胞表达特定的vu参与尼珥。
Chazin实验室及其collaborators-former范德比尔特教授托尼·卡普拉,现在在加州大学,旧金山,扎卡里·内格尔在哈佛大学将关注更新算法框架来提高其预测能力。
进一步探索