研究人員發現了四種與罕見的兒科癌症相關的基因

在一個揭示疾病之間分子差異的工具的演示中，研究人員發現了四種與罕見的兒科癌症相關的基因。左邊的圖像顯示正常細胞，而右邊的圖像突出顯示神經母細胞瘤中發現的一個基因，這些基因折磨著嬰兒和幼兒。

普林斯頓大學的研究人員通過利用機器學習同時分析數百種疾病的分子模式，正在獲得對疾病原因和特徵的新見解。計算機科學家和生物學家團隊展示了現在全球研究人員可以使用的新工具，他們已經發現並實驗證實了以前未知的四種基因對一種主要影響嬰兒和幼兒的罕見癌症的貢獻。

該團隊包括密歇根州立大學和奧斯陸大學的合作者，他們在2月23日出版的Cell Systems期刊上發表了一篇論文，並介紹了該系統的能力。

雖然以前的方法專注於與特定疾病或癌症類型相關的基因，但新技術通過同時觀察300多種不同的疾病，包括癌症，心臟病，代謝紊亂和許多其他疾病，利用機器學習來尋找獨特的基因活動模式。通過這樣做，它揭示了疾病和組織類型之間的區別，包括無法用其他技術辨別的相關疾病之間的微調差異。

研究人員相信，隨著進一步的發展，該工具將有助於臨床醫生診斷疾病，定製和跟蹤治療的有效性，並尋找新的治療方法。

該系統稱為Unveiling RNA Sample Annotation for Human Diseases，或URSA（HD），其中包含來自公眾可獲得的記錄的基因活性信息，這些記錄來自數千名患者的健康和患病組織中的約8,000個活組織檢查。展望未來，研究人員可以通過網絡界面向工具提交新樣本，並接收可能與疾病和組織類型相關聯的分析。

“真正的創新是將所有樣本與其他樣本進行比較，”Chandra Theesfeld說道，他是Young-Suk Lee的主要研究人員之一，他獲得了博士學位。2016年在普林斯頓大學。

Theesfeld將這個想法比作人類基於已經看到各種各樣的例子來識別行為之間細微差別的能力。例如，觀看足球運動員可能會揭示踢球動作的特徵，但同時觀看足球運動員和芭蕾舞演員會發現具有非常不同風格和目的的類似動作的細節和背景。

“將它們一起研究提供了一種區分獨特方面的方法，”普雷斯頓和西蒙斯基金會Olga Troyanskaya實驗室的研究科學家Theesfeld說道。這種觀點提供了一種無偏見的方式“學習一種疾病的新事物，這種疾病是一次一種疾病無法找到的 - 並且可能確定治療的新目標，甚至發現疾病的新方面”讚賞。“

在進行比較時，該算法更加重視基因活動的差異，這些差異唯一地定義了不同的組織和疾病。它不再強調有關相關疾病常見基因活動的信息，其中大部分已經得到充分研究。在足球舞蹈的比喻中，它就像放棄一腳踢腿的大規模動作，並找到許多細節，例如一隻腳的角度，這些細節合在一起構成一組特徵，可以可靠地識別一個動作或另一個。

“我們的方法是由患者樣本中的疾病信息驅動的，因此它不會偏向於常常被研究的流行疾病基因，”Theesfeld說。“我們可以跟蹤數據變化的模式，而無需確切知道每個變化的含義。”

Theesfeld指出，90％的基因研究只佔人類基因的10％。URSA（HD）著眼於整個人類基因組，併為每種疾病創建全基因組模型或特徵。

這種方法對於罕見疾病可能特別有用，研究人員現在可以用少量樣本創建模型。在兒童癌症神經母細胞瘤的情況下，研究人員發現了四種特別促成這種疾病的基因，科學文獻中沒有先前的信息。為了證實這些發現，Theesfeld對人體細胞進行了實驗室測試，操縱了基因活性並觀察了它們對細胞癌症相關過程的影響。

URSA（HD）不是研究DNA本身，而是研究RNA，這是細胞產生的產物，它將DNA中的信息轉錄成可以構建和運行細胞並在細胞間傳遞信號的工作分子。通過這種方式，系統看起來超越了突變（在基因本身中加擾），而是專注於下游轉錄產物，即使原始基因正常，也可能以導致問題的方式失調。

該研究是Troyanskaya實驗室長期工作的一部分，該實驗室整合了大量不同數據集，以提取進行精確生物預測所需的信息，並指導實驗室實驗加速發現。普林斯頓大學的各種數據科學將計算和生物學結合在一起，以開發可能對健康和人類產生廣泛​​影響的基礎工具和見解。

“將複雜的數據科學與深入的生物學知識相結合的跨學科方法是破解實現精準醫學承諾所必需的生物醫學難題的關鍵，”Troyanskaya說。