DREAM project crowdsources answer to cancer cell drug sensitivities

Исследование, опубликованное 1 июня в журнале Nature Biotechnology, описывает результаты открытого конкурса по прогнозированию реакции линий раковых клеток молочной железы на различные лекарства на основе только их геномных данных. Победившая модель от Хельсинкского института информационных технологий показала точность 78% в определении чувствительных и резистентных клеточных линий и была одной из 44 алгоритмов, представленных группами со всего мира.

Суть проекта DREAM

Цель — используя информацию о мутациях, экспрессии генов, метилировании или изменении числа копий генов, предсказать, как раковые клетки отреагируют на препараты. Это международное усилие для решения фундаментальных биомедицинских вопросов, продвижения открытой науки и доступа к данным.

Проведение конкурса

Участникам было предложено создать алгоритмы, которые могли бы правильно классифицировать 18 линий клеток рака молочной железы от наиболее «чувствительных» до наиболее «резистентных» к 28 терапевтическим соединениям. Организаторы, включая Джеймса Костелло, знали правильные ответы и могли проверить точность представленных стратегий.

Цель и применение

Ожидается, что алгоритмы, точно описывающие известные реакции, впоследствии можно будет использовать для прогнозирования неизвестных чувствительностей. Это может предложить новые методы лечения известных линий раковых клеток или подобрать наилучшую терапию для индивидуальных раковых клеток пациента.

Результаты и данные

Исследование также показало, какие типы геномных данных наиболее предсказательны для лекарственного ответа. Несмотря на появление новых технологий, данные экспрессии генов, полученные с помощью микрочипов, по-прежнему лучше предсказывают реакцию на терапию. Это связано с 20-летней историей их анализа и тем, что экспрессия генов является индикатором многих клеточных процессов.

Значение краудсорсинга

Партнерство NCI с проектом DREAM (Dialogue for Reverse Engineering Assessment Methodologies) стимулировало ученых по всему миру работать с этими данными. Такой подход ускоряет инновации и поиск решений сложных биомедицинских задач.