大数据和人工智能遇见癌症研究

许多癌症患者接受多种药物治疗，每种药物都以不同的方式攻击癌症，因此这种组合可以在多方面对抗癌症。但更多的药物意味着更高的副作用风险。

“现在大多数癌症治疗都是联合治疗，”新墨西哥大学综合癌症中心助理教授 Avinash (Avi) Sahu 博士说。Sahu 从哈佛大学和 Dana-Farber 癌症研究所加入 UNM。“我们想找到可以同时抑制两种致癌途径的药物。”

但 Sahu 没有在实验室里呆上几个小时，而是转向他的电脑。

Sahu 和他的研究团队创造了两种方法。第一个称为 BiopotentR，它使用公开可用的基因组数据来寻找可以多种方式攻击癌症的药物，并确定药物靶向的基因。第二个应用机器学习方法来预测人们对免疫疗法的反应。他们的工作发表在Cancer Discovery上。

机器学习类似于人的学习方式。正如人们通过大量经验学习新事物(例如骑自行车或驾驶汽车)一样，计算机驱动的机器学习吸收大量数据并收集模式，然后将其应用于其他任务。

但仅靠癌症研究数据还不足以让 Sahu 和他的团队预测人们对药物的反应。他们需要额外的生物学数据，然后可以将这些数据应用于癌症患者和癌症药物反应。用机器学习的术语来说，他们需要从生物学背景中学习并将这些知识应用到癌症背景中;这是一种称为迁移学习的技术。

Sahu 和他的团队与一家公司合作寻找一种化合物，该化合物将针对他们使用 BipotentR 确定的顶级癌症候选基因。在临床前测试中，他们证实了他们的预测是准确的。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！