科學(xué)家如何解密癌癥大數據信息？
發(fā)布人：admin
瀏覽次數：1052
發(fā)布時(shí)間：2016-10-25
感謝成像領(lǐng)域、模型研究以及遺傳學(xué)研究的進(jìn)展，如今大量的數據源源不斷地涌入癌癥研究者的手中，如今臨床試驗中來(lái)自單一患者腫瘤的相關(guān)數據量已經(jīng)高達1TB了，這些數據信息量相當于13萬(wàn)本書(shū)的內容。
但如今研究者仍然缺乏工具來(lái)有效處理這些大量的遺傳數據從而為療法的開(kāi)發(fā)進(jìn)行精準地預測，而治療癌癥似乎依然是研究者未來(lái)的一個(gè)終極目標，目前研究者并不能準確預測特定的腫瘤如何對任何給定的藥物產(chǎn)生反應，以及患者如何進(jìn)行治療，是否癌細胞能夠不斷進(jìn)化從而使得療法失效等等問(wèn)題。
如今來(lái)自美國能源部和國家癌癥研究所進(jìn)行聯(lián)合研究來(lái)抵御癌癥，在一項為期三年的研究計劃中，研究人員就利用了美國能源部的超級計算功能構建了復雜的計算機模型，從而就能夠在分子、病人以及群體水平上來(lái)研究抵御癌癥的策略。這項研究計劃基于美國總統奧巴馬提出的精準醫療計劃以及副總統近日提出的癌癥探月計劃，的確研究者的目的是針對個(gè)體不同的狀況實(shí)現個(gè)體化的診斷和癌癥治療。
來(lái)自美國國家癌癥研究所的研究者Warren Kibbe說(shuō)道，癌癥研究者們非常擅長(cháng)通過(guò)基因組數據、蛋白質(zhì)組數據以及成像數據得出多種類(lèi)型的數據，但我們并不擅長(cháng)如何將這些信息數據進(jìn)行整合，使其成為一種一致性的模型，并且有效預測腫瘤是否會(huì )對既定的療法產(chǎn)生反應。
CANDLE
合作的關(guān)鍵在于計算機框架，其名為“癌癥分布式學(xué)習環(huán)境計劃”（ CANcer Distributed Learning Environment，CANDLE）。過(guò)去很多年里，科學(xué)家們進(jìn)行了多項研究計劃，評估了大量的癌癥研究數據，其中包括腫瘤的基因組、病人的數據以及多項潛在藥物的臨床數據等，CANDLE的設計就是利用機器學(xué)習算法來(lái)在大型數據庫中尋找合適的模式，機器的學(xué)習就是一類(lèi)人工智能，其重點(diǎn)關(guān)注于那些能夠教授我們處理數據的一些程序，這些模式或許最終就能夠幫助改善患者的療法或指導科學(xué)家進(jìn)行新的實(shí)驗。
截止到目前為止，很多機器學(xué)習相關(guān)的研究都產(chǎn)生了新型的計算機模型來(lái)在單一的數據點(diǎn)評估藥物的的反應，然而研究者們想象到了一個(gè)更高程度的復雜性并且整合了多種類(lèi)型的信息，比如藥物反應和患者譜系特殊性等。
分子水平上的研究
30%的癌癥都表現出了Ras家族的突變，Ras蛋白家族能夠幫助誘導細胞機器制造新型細胞或殺滅老細胞。研究者Lawrence Livermore就進(jìn)行的是分子水平上的試點(diǎn)研究，他利用CANDLE架構來(lái)預測Ras蛋白家族蛋白如何在細胞膜上發(fā)揮作用，隨后他將相關(guān)信息加入到了Ras通路問(wèn)題的研究上，Ras通路問(wèn)題會(huì )導致基因停留在“開(kāi)啟”的位置從而引發(fā)腫瘤。
研究者想進(jìn)行高度復雜性的模擬來(lái)描述細胞膜上蛋白質(zhì)如何移動(dòng)以及如何結合到特殊位點(diǎn)，他們希望將這些信息能夠應用于數百萬(wàn)個(gè)Ras通路上，并且明顯增強他們的理解，從而預測單一信號在疾病發(fā)生過(guò)程中的作用。
病人水平上
癌癥往往包含著(zhù)成百上千種疾病，每一種都有著(zhù)不同的發(fā)病原因，因此對于特殊患者而言將精準化引入到療法選擇中或許就是研究者在病人水平上進(jìn)行研究的終極目的。在CANDLE平臺的幫助下，研究人員開(kāi)發(fā)了新型的預測模型，其基于更廣泛的多種數據能夠引導針對不同腫瘤的療法選擇。
研究者Kibbe說(shuō)道，研究者們或許會(huì )去嘗試尋找特殊腫瘤逃脫療法獲產(chǎn)生耐藥性的機制，從概念上而言，未來(lái)的癌癥療法或許是不斷改進(jìn)變化的，如今我們并不理解癌癥對于任何特殊療法所產(chǎn)生的耐藥性對于預測組合性療法效果的生物學(xué)意義，但我認為，模擬將能夠幫助我們更好地預測組合性療法對特殊患者的有效性及重要性。
群體水平上
在任何一個(gè)時(shí)間點(diǎn)，3%至5%的癌癥患者都會(huì )參與到癌癥臨床試驗中，而且對患者研究數據的分析編目也仍然是一項非常巨大的手工任務(wù)；美國橡樹(shù)嶺國家實(shí)驗室（Oak Ridge）就將幫助國家癌癥研究所的研究者，通過(guò)自動(dòng)化的樣品讀取及分析過(guò)程來(lái)監測癌癥患者的變化，通過(guò)將自然的語(yǔ)言處理及機器學(xué)習算法應用到數百萬(wàn)份臨床報告中，計算機就會(huì )從醫生和護士筆記本的信息中提取出有效的東西進(jìn)行加工。
加工完成后，系統就會(huì )自動(dòng)分析并且提取相關(guān)信息以便科學(xué)家們監測遍布全球的結果，隨后就能指導不同生活方式、環(huán)境以及癌癥類(lèi)型的患者進(jìn)行治療；檔案在進(jìn)行群體水平的試點(diǎn)研究之前研究者們必須對數據進(jìn)行去識別化操作。
下一步該怎么做？
在接下來(lái)3年里，美國國家癌癥研究所及能源部的研究者將會(huì )進(jìn)行一項巨大任務(wù)，對此研究者們是由計劃的，首先第一年他們講重點(diǎn)關(guān)注合并統計學(xué)模型并且構建機器學(xué)習方法來(lái)對現象進(jìn)行最好地解釋和預測；第二年計算機科學(xué)家將會(huì )利用計算機進(jìn)行推斷他們對這些預測結果的自信程度；最后一年研究者們將會(huì )把所有的信息相結合，同時(shí)整合后進(jìn)行試驗性設計分析。
研究者Stevens表示，此刻我們處于一種特殊的階段，如今在政府部門(mén)間出現了一些讓人難以置信的談話(huà)，關(guān)于如何整合大數據以及信息來(lái)理解疾病的發(fā)病機制等信息，如果我們能夠理解突變、正常生物學(xué)過(guò)程以及癌癥之間的相互作用，那么我們或許就有望對疾病進(jìn)行干預或預測。
Stevens已經(jīng)從事了將近20年的計算生物學(xué)領(lǐng)域研究，他表示如今他們面臨了很多問(wèn)題，而且他們也并不確定如果他們真的那樣做會(huì )帶來(lái)什么后果，但如今癌癥探月計劃給他們帶來(lái)了動(dòng)力，研究者認為，隨著(zhù)后期深入的研究以及多種信息的整合，未來(lái)或許有望早期破解癌癥大數據，從而為開(kāi)發(fā)新型個(gè)體化癌癥療法提供新的思路和希望。（轉載于生物谷）
