Artificiell intelligens avslöjar mekanism bakom hjärntumör

2016-09-19

Forskare från IGP har använt en datormodell för att studera hur hjärntumörer uppkommer. Studien som idag publiceras i tidskriften EBioMedicine illustrerar hur forskare i framtiden kommer att kunna utgå från storskaliga data för att hitta nya sjukdomsmekanismer och identifiera nya målmolekyler för behandling.

De senaste tio årens landvinningar inom molekylärbiologi har kraftigt förändrat hur cancerforskare arbetar. Från att tidigare arbetat nästan enbart med olika biologiska modeller, som celler, används numera storskaliga statistiska analyser i allt större omfattning för att kunna förstå hur cancersjukdomar fungerar och hitta nya behandlingar.

Forskare vid IGP har tillsammans med kollegor på Göteborgs universitet och Chalmers tekniska högskola samt Freiburgs universitet utvecklat en ny algoritm, aSICS, som med hjälp av omfattande datamängder själv kan föreslå hypoteser om ”vad som orsakar vad” i en cancercell.

I den studie som publiceras idag använde forskarna aSICS för att tolka data från hjärntumörer och kunde identifiera en ny mekanism bakom en extra aggressiv form av hjärntumör, så kallat mesenkymalt glioblastom.

– Enligt datormodellen orsakas mesenkymalt glioblastom delvis av förändringar i en gen som heter Annexin A2. För att verifiera resultatet från dataanalyserna undersökte vi prover från patienter och kunde visa att mesenkymalt glioblastom har en hög aktivitet av Annexin A2. Därefter prövade vi att slå ut Annexin A2 i cancerceller från patienter och då antingen dog cellerna, eller bytte till en mindre aggressiv form, säger Sven Nelander som lett studien tillsammans med en kollega i Freiburg.

Resultaten visar att man med dataanalyser kan förutsäga vilka gener eller proteiner som medverkar i uppkomsten av en tumör, för att sedan bekräfta det med laboratorieförsök. Metodiken med aSICS har även prövats på andra cancerformer med lovande resultat, även om ytterligare arbete kvarstår med dess fininställning.
 

Mer information:
Artikel i EBioMedicine
Sven Nelanders forskning