Les chercheurs de VCU Massey Comprehensive Cancer Center ont développé un nouvel algorithme qui pourrait fournir un outil révolutionnaire pour déterminer les meilleures options pour les patients – à la fois dans le traitement du cancer et dans la prescription de médicaments. Comme récemment publié dans Communications de la natureJinze Liu, Ph.D., et Kevin Byrd, DDS, Ph.D., ont créé une affectation basée sur un seuil de types de cellules à partir de données d'imagerie multiplexées (Tacit), qui attribue des identités cellulaires basées sur des profils d'expression de marqueur de cellules. Tacite réduit le temps d'identification des cellules de plus d'un mois à quelques minutes qui sauvent les chercheurs de précieux temps et ressources.
Tacite développé par Liu, membre de la recherche à Massey et professeur au Département de biostatistique de la VCU School of Public Health, et Byrd, membre de la recherche associée de la Massey et professeur adjoint de données orales et craniofaciales à la biologie moléculaire de la VCU à la dentiste La précision et l'évolutivité par rapport aux modèles existants, qui n'ont souvent pas la puissance de séparer les populations de cellules attendues en raison des ensembles de marqueurs limités.
Nous utilisons l'intelligence artificielle pour augmenter l'efficacité et également la précision du diagnostic. Et à mesure que nous gagnons plus de données, la capacité de Tacit à augmenter les résultats positifs des patients ne se multipliera que. «
Jinze Liu, Ph.D., membre de la recherche chez Massey
Dans leur publication, Liu et Byrd ont démontré comment Tacit a surpassé trois méthodes non supervisées existantes en matière de précision et d'évolutivité tout en intégrant également les types de cellules et les états pour révéler de nouvelles associations cellulaires. Tacite a montré un fort accord entre les différents types de tests génétiques et de données de données de type tests de type tests plus fiables. Pour les patients, cela pourrait signifier obtenir un diagnostic plus tôt, en évitant les traitements inutiles ou être jumelé avec un essai clinique qui est plus susceptible d'aider. Et pour les médecins, il offre un moyen puissant de voir ce qui se passe vraiment à l'intérieur du corps.
Les applications bénéfiques de Tacit sont variées.
« L'un de nos objectifs en tant que scientifiques est d'identifier de bons biomarqueurs spatiaux pour les essais cliniques afin que nous puissions prédire les réponses des patients à l'essai avant même qu'ils ne soient inscrits », a déclaré Liu. « Nous avons déjà travaillé avec plusieurs chercheurs principaux sur le campus (VCU) pour inclure la biologie spatiale dans les essais cliniques, et Tacit peut fournir ces conseils afin que nous puissions nous assurer que les patients d'essai cliniques reçoivent les meilleurs traitements possibles. »
Byrd a ajouté: « Vous pouvez utiliser Tacit pour faire entrer le bon patient dans l'essai – et aussi important – ne pas mettre le mauvais patient dans l'essai. Pour le moment, nous n'avons pas un très bon outil pour cela, mais c'est assez puissant pour le faire. »
Liu et Byrd voient également les avantages du tacite en milieu pharmacologique, où l'algorithme peut utiliser des marqueurs d'ARN pour aider à stimuler les soins.
« Si vous dites à un patient qu'il ne peut pas faire partie d'un essai clinique, ce n'est pas une excellente nouvelle, surtout si rien d'autre n'est offert », a déclaré Byrd. « Mais ces marqueurs d'ARN sont en fait assez bons et évolutifs, ce qui nous permet de prédire les médicaments et les résultats qui peuvent être utiles pour les patients.
« Nous avons un grand référentiel de médicaments approuvés (FDA) que nous pouvons mapper sur les échantillons de tissus. Imaginez si vous pouviez dire à un patient: » Voici un médicament déjà (FDA). » Afin que le patient ne soit pas recruté dans le cadre d'un essai pour un nouveau médicament enquêteur dont ils pourraient ne pas avoir besoin ou pour ne pas voir autant de bénéfices. «
De plus, Tacit travaille dans plusieurs applications de biologie spatiale, permettant à Liu et Byrd de s'appuyer sur les ensembles de données existants pour améliorer encore le travail de l'algorithme. « Nous plaisantons parfois que Tacit est comme une pierre de Rosetta », a déclaré Byrd. « Vous pouvez voir comment tous ces différents types de données deviennent tous la même langue, et pour nous, nous pouvons y construire. Il existe une énorme opportunité d'utiliser Tacit à bien des égards, des protéines aux systèmes d'organes aux différents types de maladies. »
Les travaux de Liu et Byrd démontrent également une nouvelle technologie dans laquelle ils ont capturé à la fois la protéomique de glissement et de transférer la protéomique, trouvant des moyens de relier les deux équipements différents afin de créer une multi-omique cellulaire, permettant aux chercheurs d'étudier plusieurs marqueurs à la fois. Auparavant, les chercheurs ne pouvaient utiliser que des omiques monocellulaires.
