通過將無監(jiān)督和自動化機器學(xué)習(xí)技術(shù)應(yīng)用于數(shù)百萬癌細(xì)胞的分析，Rebecca Ihrie 和 Jonathan Irish 都是細(xì)胞和發(fā)育生物學(xué)副教授，他們在腦腫瘤中發(fā)現(xiàn)了新的癌細(xì)胞類型。機器學(xué)習(xí)是一系列計算機算法，可以識別大量數(shù)據(jù)中的模式，并通過更多經(jīng)驗變得“更聰明”。這一發(fā)現(xiàn)有望使研究人員能夠更好地理解和靶向這些細(xì)胞類型，用于膠質(zhì)母細(xì)胞瘤(一種高死亡率的侵襲性腦腫瘤)的研究和治療，以及機器學(xué)習(xí)在癌癥研究中的更廣泛適用性。
Ihrie 和 Irish 與其合作者一起開發(fā)了風(fēng)險評估群體識別 (RAPID)，這是一種開源機器學(xué)習(xí)算法，可揭示與生存結(jié)果相關(guān)的蛋白質(zhì)表達(dá)和修飾的協(xié)調(diào)模式。
文章“Unsupervised machine learning reveals risk stratifying glioblastoma tumor cells”于 6 月 23 日在線發(fā)表在eLife雜志上。RAPID 代碼和示例可在 cytolab Github 頁面上找到。
在過去的十年中，研究界一直致力于利用機器學(xué)習(xí)的能力來吸收和分析比人類思維單獨處理的更多的癌細(xì)胞研究數(shù)據(jù)。“在沒有任何人為監(jiān)督的情況下，RAPID 梳理了 200 萬個腫瘤細(xì)胞——每個患者至少有 4,710 個膠質(zhì)母細(xì)胞瘤細(xì)胞——來自 28 個膠質(zhì)母細(xì)胞瘤，標(biāo)記出最不尋常的細(xì)胞和模式供我們研究，”Ihrie 說。“我們能夠在大海撈針中找到針頭，而無需搜索整個大海撈針。這項技術(shù)讓我們能夠?qū)Ｗ⒂诟玫亓私庾钗ｋU的癌細(xì)胞，并更接近于最終治愈腦癌。”
將控制神經(jīng)干細(xì)胞和其他腦細(xì)胞的身份和功能的細(xì)胞蛋白質(zhì)數(shù)據(jù)輸入 RAPID。使用的數(shù)據(jù)類型稱為單細(xì)胞質(zhì)譜流式細(xì)胞術(shù)，這是一種通常應(yīng)用于血癌的測量技術(shù)。一旦 RAPID 的統(tǒng)計分析完成并找到了“大海撈針”，就只會研究那些細(xì)胞。“我們研究中最令人興奮的結(jié)果之一是，無監(jiān)督機器學(xué)習(xí)發(fā)現(xiàn)了最嚴(yán)重的罪犯細(xì)胞，而不需要研究人員為其提供臨床或生物學(xué)知識作為背景，”Irish 說，他也是范德比爾特大學(xué)癌癥與免疫學(xué)核心的科學(xué)主任。“這項研究的結(jié)果目前代表了我在范德比爾特實驗室的最大生物學(xué)進展。”
研究人員的機器學(xué)習(xí)分析使他們的團隊能夠研究腦腫瘤細(xì)胞中蛋白質(zhì)的多種特征與其他特征的關(guān)系，從而提供新的和意想不到的模式。“我們兩個實驗室之間的合作，我們從范德比爾特大學(xué)和范德比爾特-英格拉姆癌癥中心 (VICC) 獲得的這項高風(fēng)險工作的支持，以及與神經(jīng)外科醫(yī)生和病理學(xué)家的卓有成效的合作，他們?yōu)檠芯咳祟惣?xì)胞提供了獨特的機會Ihrie 和 Irish 在一份聯(lián)合聲明中說：“直接從大腦中取出讓我們實現(xiàn)了這一里程碑。” 該論文的共同第一作者是前范德比爾特大學(xué)研究生 Nalin Leelatian，目前是耶魯大學(xué)(愛爾蘭實驗室)的神經(jīng)病理學(xué)住院醫(yī)師，以及Justine Sinnaeve(Ihrie 實驗室)。通過她在該主題上的研究和工作，Leelatian 于 2017 年 4 月獲得了美國癌癥研究協(xié)會 (AACR) 的美國腦腫瘤協(xié)會 (ABTA) 培訓(xùn)學(xué)者獎。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！