Der neue Ansatz mit dem Namen PERsonalized Single-Cell Expression-Based Planning for Treatments in Oncology (PERCEPTION) vertieft den Nutzen der Transkriptomik.
"Ein Tumor ist ein komplexes und sich entwickelndes Wesen. Mit der Einzelzellauflösung können wir diese beiden Herausforderungen angehen", sagt Erstautor Sanju Sinha, Ph.D., Assistenzprofessor im Cancer Molecular Therapeutics Program bei Sanford Burnham Prebysa.
"PERCEPTION ermöglicht die Nutzung umfangreicher Informationen aus der Einzelzell-Omic, um die klonale Architektur des Tumors zu verstehen und die Entstehung von Resistenzen zu überwachen."
Sinha erklärt weiter: "Die Möglichkeit, das Entstehen von Resistenzen zu überwachen, ist für mich der spannendste Teil. Sie hat das Potenzial, uns die Möglichkeit zu geben, uns an die Entwicklung der Krebszellen anzupassen und sogar unsere Behandlungsstrategie zu ändern."
Sinha und seine Kollegen nutzten Transfer Learning, einen Zweig der KI, um PERCEPTION zu entwickeln.
"Unsere größte Herausforderung waren die begrenzten Einzelzelldaten aus Kliniken. Ein KI-Modell benötigt große Datenmengen, um eine Krankheit zu verstehen, ähnlich wie ChatGPT riesige Mengen an Textdaten aus dem Internet benötigt.
PERCEPTION verwendet veröffentlichte Massengenexpressionsdaten von Tumoren, um seine Modelle vorzutrainieren. Anschließend wurden, wenn auch in begrenztem Umfang, Einzelzelldaten von Zelllinien und Patienten verwendet, um die Modelle abzustimmen.
PERCEPTION wurde erfolgreich durch die Vorhersage des Ansprechens auf eine Monotherapie und eine Kombinationsbehandlung in drei unabhängigen, kürzlich veröffentlichten klinischen Studien für multiples Myelom, Brust- und Lungenkrebs validiert.
Original Paper:
