Η Google και το ερευνητικό κέντρο καρκίνου Ινστιτούτο Μαρί Κιουρί ανακοίνωσαν τη συνεργασία τους για τη δημιουργία συστημάτων μηχανικής μάθησης, στο πλαίσιο ερευνητικού προγράμματος. Οι επιστήμονες θα αναπτύξουν συστήματα μηχανικής μάθησης για να κατανοήσουν τους μηχανισμούς της εξέλιξης των όγκων. Ο στόχος είναι να βρεθούν καλύτερες θεραπείες συνδυάζοντας τη βιολογία και την επιστήμη των δεδομένων.

Η ομάδα του ινστιτούτου Μαρί Κιουρί και η Google Research, υπό την καθοδήγηση του ερευνητή Jean-Philippe Vert, θα εργαστεί πάνω στην ετερογένεια των όγκων, καθοριστικό παράγοντα στην απόκριση και την αντίσταση στη θεραπεία του καρκίνου.

«Στόχος μας είναι να εκμεταλλευτούμε την επιστήμη των δεδομένων για να ρίξουμε φως σε νέους μηχανισμούς εξέλιξης του όγκου», εξηγεί η Celine Vallot, επικεφαλής της ομάδας του ινστιτούτου.

Ένας όγκος προκαλείται από τον αναρχικό πολλαπλασιασμό κυττάρων. Δεν αποτελείται από ένα σύνολο κλώνων αυτού του ανώμαλου κυττάρου, αλλά από μια ένθεση κλώνων που αποτελείται από πολλά ανώμαλα κύτταρα. Αυτό ονομάζεται ετερογένεια όγκου. Η ανάλυση της δραστηριότητας όλων αυτών των κυττάρων καθιστά δυνατή την ανίχνευση του ιστορικού του καρκίνου και επομένως την καλύτερη κατανόησή του.

Η σύγχρονη ιατρική γίνεται όλο και πιο εξατομικευμένη με τη χρήση στοχευμένης θεραπείας που θεωρείται πιο αποτελεσματική, αλλά πιο δύσκολη στην εφαρμογή σε ετερογενείς όγκους. Σύμφωνα με τους επιστήμονες, ο κίνδυνος είναι να προσφέρουν μια θεραπεία που λειτουργεί μόνο σε έναν υποπληθυσμό καρκινικών κυττάρων, εκείνων που λαμβάνονται κατά τη διάρκεια της βιοψίας.

Το ιδανικό θα ήταν να είναι σε θέση να μελετούν όλους τους μηχανισμούς που διέπουν όλα τα ανώμαλα κύτταρα. Αυτό αντιπροσωπεύει μια αστρονομική ποσότητα εργασίας, διότι περιλαμβάνει την κατανομή χιλιάδων δεδομένων. Εξ ου και το ενδιαφέρον για το συνδυασμό βιολογίας και επιστήμης δεδομένων.

Οι επιστήμονες θα μελετήσουν τα επιγονιδιωματικά δεδομένα που σχετίζονται με όλες τις επιγενετικές τροποποιήσεις ενός κυττάρου, οι οποίες μπορούν να μεταδοθούν κατά τη διάρκεια των κυτταρικών διαιρέσεων, καθώς και τις μεταγραφικές, οι οποίες συνδέονται με όλα τα RNA που υπάρχουν σε ένα κύτταρο σε μια δεδομένη στιγμή.

Ο απώτερος στόχος των επιστημόνων είναι να προβλέψουν την αντίσταση στη θεραπεία και τελικά να βρούνε καλύτερες θεραπείες μέσω της ανάπτυξης συστημάτων μηχανικής μάθησης.

ΠΗΓΗ: Usinedigitale