Kaedah pemetaan gen berkuasa AI baharu dari Universiti South Australia mendedahkan bahawa kanser didorong oleh rangkaian gen yang bekerjasama, bukan sekadar mutasi tunggal. Pendekatan ini dapat membantu doktor mencari sasaran rawatan baharu, terutamanya untuk pesakit tanpa mutasi kanser yang diketahui umum.
Penyelidik kanser di Australia telah mendedahkan kaedah kecerdasan buatan yang memetakan bagaimana kumpulan gen berfungsi bersama untuk memacu tumor, menawarkan cara baharu untuk mencari sasaran tersembunyi untuk rawatan.
Dibangunkan di Universiti Australia Selatan dan diterbitkan dalam jurnal Royal Society Open Science, pendekatan ini mengalihkan perhatian daripada gen tunggal yang banyak bermutasi kepada rangkaian gen kompleks yang membantu kanser membesar, merebak dan menentang terapi.
Daripada bertanya gen mana yang paling kerap bermutasi pada pesakit, pasukan itu bertanya bagaimana gen mempengaruhi satu sama lain dari semasa ke semasa apabila tumor berkembang.
Sistem AI menjejaki hubungan tersebut untuk mendedahkan biologi yang menjadikan tumor begitu sukar untuk dihentikan, menurut penyelidik utama Andres Cifuentes-Bernal.
"Sistem ini menilai bagaimana gen mempengaruhi satu sama lain dari semasa ke semasa, memberikan gambaran yang lebih jelas tentang pendekatan biologi asas yang membolehkan tumor membesar, merebak dan menentang rawatan," kata Cifuentes-Bernal dalam satu siaran berita.
Selama bertahun-tahun, kajian kanser seluruh genom yang besar telah menumpukan pada mutasi yang muncul berulang kali pada ramai pesakit. Strategi itu telah berjaya dalam menandakan pemacu utama kanser dan telah membawa kepada ubat yang disasarkan untuk sebahagian daripada mereka. Tetapi ia mempunyai had.
"Kajian kanser seluruh genom tradisional biasanya tertumpu pada mutasi yang kerap muncul pada pesakit. Walaupun pendekatan ini telah menemui banyak pemacu kanser yang terkenal, ia mengabaikan perubahan genetik yang halus atau jarang berlaku. Yang penting, ia juga terlepas pandang interaksi kompleks antara gen yang membolehkan sel malignan mendapat momentum," tambah Cifuentes-Bernal.
Rangka kerja baharu ini direka bentuk untuk menangkap interaksi tersebut.
Kaedah ini mencerminkan pandangan yang lebih realistik tentang bagaimana tumor bertindak di dalam badan, menurut pengarang bersama Thuc Le, seorang profesor madya di UniSA.
“Kanser tidak statik,” katanya dalam siaran berita. “Ia berkembang melalui limpahan perubahan dinamik. Banyak gen bertindak bersama untuk mengganggu tingkah laku sel normal, tetapi kaedah sedia ada boleh menghadapi kesukaran untuk mengesannya. Pendekatan kami direka bentuk untuk menangkap kerumitan itu.”
Untuk menguji sistem mereka, para penyelidik beralih kepada set data kanser payudara yang besar. Menggunakan alatan AI, mereka membina semula cara gen berinteraksi dalam sel tumor dan mengenal pasti kelompok gen yang kelihatan bekerjasama dalam mendorong kanser ke peringkat yang lebih agresif.
Kaedah ini dapat mengambil banyak gen kanser terkenal yang telah dikatalogkan dalam Banci Gen Kanser, rujukan antarabangsa bagi gen yang dikaitkan dengan kanser. Ini membantu mengesahkan ketepatan pendekatan tersebut.
Yang penting, AI juga menandakan gen yang tidak bermutasi dengan jelas tetapi masih memainkan peranan penting dengan mempengaruhi gen lain. Sebahagian daripada calon yang baru diserlahkan ini terlibat dalam isyarat sel, tindak balas imun dan metastasis, proses di mana kanser merebak ke bahagian lain badan.
Daripada menonjolkan satu gen pada satu masa, kaedah ini mengenal pasti rangkaian gen koperasi yang bertindak bersama.
"Rangkaian ini mengetengahkan bagaimana gen bekerjasama untuk secara kolektif mendorong kanser ke keadaan yang lebih agresif," tambah Le.
Pandangan rangkaian itu mungkin amat penting bagi pesakit yang tumornya tidak membawa mutasi terkenal yang disasarkan oleh banyak ubat semasa. Bagi pesakit tersebut, doktor selalunya mempunyai lebih sedikit pilihan dan kurang panduan tentang rawatan mana yang mungkin paling berkesan.
Dengan mendedahkan gen dan laluan baharu yang membantu tumor berkembang, rangka kerja UniSA boleh menunjukkan sasaran terapeutik baharu atau gabungan ubat-ubatan yang mengganggu keseluruhan rangkaian dan bukannya gen tunggal.
Kajian ini juga menggariskan bagaimana kecerdasan buatan membentuk semula penyelidikan bioperubatan. AI amat sesuai untuk mencari corak dalam set data yang besar dan kompleks, seperti beribu-ribu gen yang boleh aktif dalam tumor pada bila-bila masa dan bagaimana aktivitinya berubah apabila kanser semakin berkembang.
Memahami corak tersebut adalah kunci untuk melihat gambaran evolusi tumor yang lebih besar, menurut Cifuentes-Bernal.
"Memahami dinamik ini memberi kita pandangan yang lebih kaya tentang bagaimana tumor berkembang," katanya. "Ia menggerakkan kita melangkaui pemikiran tentang mutasi sel tunggal dan ke arah pemahaman yang lebih baik tentang sistem biologi yang lebih luas yang sedang berperanan."
Walaupun kajian semasa tertumpu pada data kanser payudara, para penyelidik mengatakan kerangka kerja mereka boleh disesuaikan. Pada prinsipnya, ia boleh digunakan untuk kanser lain dan penyakit di mana peraturan gen berubah dari semasa ke semasa, termasuk keadaan neurodegeneratif, gangguan autoimun dan penyakit keradangan kronik.
sumber: Universiti Australia Selatan