Kaynak
Bu rehber yardımcı oldu mu?
DoktorClub’da Keşfet
Araştırmacılar Kişiselleştirilmiş Kanser Tedavilerinin Önünü Açacak Yapay Zeka Tabanlı Bir Araç Geliştiriyor
Kansere karşı devam eden mücadelede, dünyanın dört bir yanındaki bilim insanları, insan bağışıklık sisteminin gizemlerini açığa çıkarmak için yenilikçi yaklaşımlar araştırıyor. Arizona Eyalet Üniversitesi bilim…
Kansere karşı devam eden mücadelede, dünyanın dört bir yanındaki bilim insanları, insan bağışıklık sisteminin gizemlerini açığa çıkarmak için yenilikçi yaklaşımlar araştırıyor. Arizona Eyalet Üniversitesi bilim insanlarının liderliğindeki bir ekip, HLA Inception adlı yapay zeka tabanlı bir öğrenme aracı geliştirdi. Bu araç, bireyin bağışıklık sisteminin yabancı hücrelere nasıl tepki verdiğine ilişkin yeni bilgileri ortaya çıkardı. Çalışma Cell Systems dergisinde yayınlandı.
Yapay zeka tabanlı araç, majör doku uyumluluk kompleksi-1 (MHC-1) olarak adlandırılan bir protein grubuna odaklanarak, saniyeler içinde bir bireye özgü spesifik protein grubunu sınıflandırabiliyor ve kişinin bağışıklık savunmasının tehdit edici unsurları tanıyıp tanıyamayacağını tahmin edebiliyor.
ASU'nun Moleküler Bilimler Okulu'nda yardımcı doçent olan Abhishek Singharoy, “İnsanın doğduğu moleküler ayrıntılara dayanarak, bazı kanser ilaçlarına karşı hayatta kalma gibi hastaların patolojik sonuçları hakkında tahminlerde bulunabiliyoruz. Artık bu araçla günler süren bir işlem yalnızca saniyeler sürüyor.” dedi. Bu bireyselleştirilmiş moleküler etkileşim bilgisinin anlaşılması, hasta bakımını dönüştürme potansiyeline sahip yeni kişiselleştirilmiş kanser ilaçlarının yaratılması açısından büyük umut vaat ediyor.
İnsan vücudunda MHC-1 proteinleri hücrelerimizin yüzeyinde koruma görevi görerek bağışıklık sistemini yabancı istilacılara karşı uyarır. Hücrelerin içindeki yabancı protein veya peptit parçalarını yakalayıp, bunları tanıma ve saldırı için bağışıklık sistemine sunarlar. Her kişinin MHC-1 proteinleri, etkileşime girdikleri protein parçası türleri konusunda özel tercihlere sahiptir ve hangi peptidlerin hangi MHC-I moleküllerine etkili bir şekilde bağlanacağını tahmin edebilmek, bağışıklık sistemimizin nasıl çalıştığına dair mekanizmaları daha iyi anlamak için çok önemlidir. Ancak tahmin zordur. İnsan popülasyonunda MHC-I moleküllerinin binlerce farklı versiyonu bulunması evrensel bir tahmin modeli oluşturmayı zorlaştırıyor.
Yaklaşık 6.000 MHC-1 kompleksini analiz eden araştırma ekibi, bu tercihleri tanımlayabilen ve geniş bir insan popülasyonu yelpazesinde bağışıklık tepkilerini tahmin edebilen kalıplar keşfetti. Yapay zeka ve makine öğrenimi ile desteklenen HLA Inception aracı, proteinleri 11 farklı tipte sınıflandırmak için proteinlerin yüzeyindeki (elektrostatik imzalar olarak da bilinen) çeşitli yükleri kullanıyor. Bu bilgi daha sonra MHC-1'in izlediği protein fragmanlarının veya peptitlerin kendi kendine mi yoksa yabancı istilacılar mı (kendinden olmayan) olduğunu tahmin etmek için kullanılabiliyor.
Araştırmacılar ayrıca, 11 sınıftan daha fazlasını kapsayan MHC-1 proteinlerinin daha çeşitli aralığına sahip hastaların belirli kanser tedavilerinden sağ çıkma şansının daha yüksek olduğunu buldu.
Makalenin yazarı, ASU mezunu ve şu anda Mount Sinai'deki Icahn Tıp Fakültesi'nde doktora sonrası araştırmacı olan Eric Wilson, “Makine öğreniminin sağlık hizmetlerinde sürekli entegrasyonu, risklerin azaltılmasına ve tedavilerin kişiselleştirilmesine yardımcı olacaktır. Makine öğrenimi ve yapay zeka, adaylığı belirlemek için maliyetli deneylere olan ihtiyacı ortadan kaldırarak yeni tedavilerin daha geniş bir hasta grubuna erişilebilirliğini artırabilir.” dedi.
Alanında bilimsel ilerlemeyi ilerletmeye kararlı olan araştırmacılar, HLA-Inception'ı akademik kullanıma ücretsiz olarak sunarak immünoterapi alanında yaygın işbirliğinin ve yeniliğin temelini attı.
Yapay zeka tabanlı araç, majör doku uyumluluk kompleksi-1 (MHC-1) olarak adlandırılan bir protein grubuna odaklanarak, saniyeler içinde bir bireye özgü spesifik protein grubunu sınıflandırabiliyor ve kişinin bağışıklık savunmasının tehdit edici unsurları tanıyıp tanıyamayacağını tahmin edebiliyor.
ASU'nun Moleküler Bilimler Okulu'nda yardımcı doçent olan Abhishek Singharoy, “İnsanın doğduğu moleküler ayrıntılara dayanarak, bazı kanser ilaçlarına karşı hayatta kalma gibi hastaların patolojik sonuçları hakkında tahminlerde bulunabiliyoruz. Artık bu araçla günler süren bir işlem yalnızca saniyeler sürüyor.” dedi. Bu bireyselleştirilmiş moleküler etkileşim bilgisinin anlaşılması, hasta bakımını dönüştürme potansiyeline sahip yeni kişiselleştirilmiş kanser ilaçlarının yaratılması açısından büyük umut vaat ediyor.
İnsan vücudunda MHC-1 proteinleri hücrelerimizin yüzeyinde koruma görevi görerek bağışıklık sistemini yabancı istilacılara karşı uyarır. Hücrelerin içindeki yabancı protein veya peptit parçalarını yakalayıp, bunları tanıma ve saldırı için bağışıklık sistemine sunarlar. Her kişinin MHC-1 proteinleri, etkileşime girdikleri protein parçası türleri konusunda özel tercihlere sahiptir ve hangi peptidlerin hangi MHC-I moleküllerine etkili bir şekilde bağlanacağını tahmin edebilmek, bağışıklık sistemimizin nasıl çalıştığına dair mekanizmaları daha iyi anlamak için çok önemlidir. Ancak tahmin zordur. İnsan popülasyonunda MHC-I moleküllerinin binlerce farklı versiyonu bulunması evrensel bir tahmin modeli oluşturmayı zorlaştırıyor.
Yaklaşık 6.000 MHC-1 kompleksini analiz eden araştırma ekibi, bu tercihleri tanımlayabilen ve geniş bir insan popülasyonu yelpazesinde bağışıklık tepkilerini tahmin edebilen kalıplar keşfetti. Yapay zeka ve makine öğrenimi ile desteklenen HLA Inception aracı, proteinleri 11 farklı tipte sınıflandırmak için proteinlerin yüzeyindeki (elektrostatik imzalar olarak da bilinen) çeşitli yükleri kullanıyor. Bu bilgi daha sonra MHC-1'in izlediği protein fragmanlarının veya peptitlerin kendi kendine mi yoksa yabancı istilacılar mı (kendinden olmayan) olduğunu tahmin etmek için kullanılabiliyor.
Araştırmacılar ayrıca, 11 sınıftan daha fazlasını kapsayan MHC-1 proteinlerinin daha çeşitli aralığına sahip hastaların belirli kanser tedavilerinden sağ çıkma şansının daha yüksek olduğunu buldu.
Makalenin yazarı, ASU mezunu ve şu anda Mount Sinai'deki Icahn Tıp Fakültesi'nde doktora sonrası araştırmacı olan Eric Wilson, “Makine öğreniminin sağlık hizmetlerinde sürekli entegrasyonu, risklerin azaltılmasına ve tedavilerin kişiselleştirilmesine yardımcı olacaktır. Makine öğrenimi ve yapay zeka, adaylığı belirlemek için maliyetli deneylere olan ihtiyacı ortadan kaldırarak yeni tedavilerin daha geniş bir hasta grubuna erişilebilirliğini artırabilir.” dedi.
Alanında bilimsel ilerlemeyi ilerletmeye kararlı olan araştırmacılar, HLA-Inception'ı akademik kullanıma ücretsiz olarak sunarak immünoterapi alanında yaygın işbirliğinin ve yeniliğin temelini attı.