科学者たちは、機械学習の助けを借りて、乳がん、子宮頸がん、神経膠芽腫などに対するこれまで未確認だった多数の薬剤標的を特定しました。
で 勉強 Cancer Cell 誌に 1 月 11 日に発表されたウェルカム サンガー研究所の科学者は、27 種類の異なる癌にわたって 370 の薬物標的を特定したと報告しました。 この結果は、新しい精密な創薬標的を考え出すだけでなく、 がん依存性マップウェルカム・サンガーとブロード研究所との共同プロジェクトで、個別化されたがん治療戦略の情報提供を目指しています。
「この研究は、がん細胞を最も効果的に標的にする方法を理解するために、最新のゲノミクスと計算生物学を活用しています」と研究共同代表者のマシュー・ガーネット博士は述べた。 で言った プレスリリース。 「これにより、医薬品開発者は最も価値の高い目標に努力を集中し、より迅速に新薬を患者に提供できるようになります。」
候補の長いリストは、がん依存性マップからの大規模なデータセットの分析の結果でした。このマップは、930 の異なるヒトがん細胞株内のすべての遺伝子に対して CRISPR-Cas9 改変をすべて同時に実行することによって作成されました。合計約 18,000 個の遺伝子。 研究者らは機械学習を使用してデータセットを詳しく調べ、どの遺伝子、タンパク質、経路ががん細胞の生存に重要であるかを解明しました。
候補を絞り込んだ後、研究者らはそれらを臨床バイオマーカーに関連付け、これにより、さまざまな遺伝子標的を対象とした治療によって患者がどのような利益を得られるかを確認できるようになった。 「注目すべきことに、ほぼすべての標的には関連マーカーがあった。標的と疾患の適応との間の遺伝的証拠により、臨床開発中にFDAが医薬品を承認する確率が2～4倍高まるため、これは重要である」と研究者らは論文で述べている。
追加の分析により、全がん患者の少なくとも30％が特定された標的の1つに対するバイオマーカーを保有していることが示唆され、これはがんゲノムを標的とする治療法の候補であると考えられる患者の14％のおよそ2倍であると研究チームは書いている。
しかし、多くの場合、それらの標的に対する薬剤は決して開発されず、ゲノムに関連するバイオマーカーの存在は癌の種類によって異なり、一部の種類では発見に基づいて新しい標的にほとんど変化がないか、まったく変化しないと付け加えた。
「これは、患者のための現在の新薬レパートリーの拡大を可能にするためには、新たなアプローチが依然として必要であることを強調している」と研究者らは述べた。 彼らの結果はまた、マルチオミクスバイオマーカー検査、つまり、遺伝子とタンパク質の発現の両方を評価するなど、複数のレベルの生物学的情報を一緒に調べる検査が、患者の治療標的を拡大するのに役立つ可能性があることを示唆している。
1705393460
#機械学習によるハントで数百もの新たながん標的を特定
2024-01-16 07:59:48