Cikkek
Gépi tanulás segíthet a mikrobiális alapú rákdiagnosztika fejlesztésében
Az elmúlt időben egyre több eredmény lát napvilágot, amelyben a humán mikrobiom szerepét tárják fel a daganatok kialakulásával és lefolyásával kapcsolatban. Mára már ismertek a mikrobiommal összefüggő, egészséget védő, illetve a rákkeltő vagy proliferációt kiváltó mechanizmusok. Ezek az ismeretek megnyitják az utat az új diagnosztikai eljárások felé is. (Korábbi cikkünk: http://www.mind.hu/hu/szakmai-forum/fusobacterium-nucleatum-mint-lokalisan-elorehaladott-vegbelrak-larc-biomarker
Egy, a közelmúltban a Nature-ben publikált vizsgálatban a Rákgenom Atlasz (The Cancer Genome Atlas) mintáin végzett kísérleteket mutatnak be, melyek azt vizsgálták, hogy a daganatos betegekben milyen mikrobiális jelek mutathatóak ki. A kutatás célja volt kimutatni azokat a non-humán, mikroorganizmus eredetű nukleinsav molekulákat daganat szövetből és vérből, melyek egy-egy tumor típushoz köthetőek. A kutatás során 10183 páciens 17625 szövetmintájából származó teljes genom szekvenálási és teljes transzkriptom szekvenálási eremdényt elemeztek. A minták 32 fajta, mintavételkor még kezeletlen daganatból származtak, forrásuk szilárd (szolid) szövetek és vér volt. Az emberi szövetből származó genetikai minták 7,2%-a nem humán, 2,5%-a mikroorganizmus (baktérium, archea vagy vírus) eredetű volt. A vizsgálat utóbbi, mikrobiális jelek elemzését célozta.
A kutatás során gépi tanulással (machine learning) fejlesztettek számítógépes modellt, amelynek az volt a feladata, hogy a mikrobiális jelek alapján meg tudja különböztetni a daganatok fajtáit és azok stádiumát. A számítógépes modell segítségével meg lehetett különböztetni a különböző daganat típusokat egymástól (32 féle daganat típust vizsgálva) és az egészséges mintát a tumorostól (15 féle tumort vizsgálva). Az eljárás specificitása és szenzitivitása növelhető azáltal, ha növeljük a modell betanítására felhasznált adatok mennyiségét. A kutatók eredményeikből arra következtetnek, hogy különböző daganatok sajátos összetételű mikrobiális jelek, mikororganizmus eredetű nukleinsav molekulák megjelenését eredményezik, mely jellemző azok szöveti eredetére. Ezek a mikrobiális jelek lehetőséget adnak különböző szöveti eredetű daganatok kimutatására, egymástól való elkülönítésére. A mikrobiális jelek kimutathatóak vérmintákból is, olyan magas szenzitivitással és specificitással, mely lehetőséget ad korai, I-II stádiumú daganatok azonosítására is. A vizsgálat során ugyancsak feltárták, hogy Fusobacterium jelenléte magasabb arányban mutatható ki daganatokban, mint normál szöveti mintákban, és ezen belül is magasabb arányban volt jelen gasztrointesztinális rendszerből kiinduló tumorokban, mint egyéb eredetű daganatokban.
A kutatás során fejlesztett módszer megmutatja milyen lehetőségek rejlenek a rákkutatás területén a számítógépes technikák és nagy adatbázisok alkalmazásában, és egy újfajta, vérmintából elvégezhető diagnosztika lehetőségét vetíti előre. Emellett ezek az eredmények ismét megerősítik a mikrobiom szerepét betegségek kilakulásában és a normál baktériumflóra fenntartásának jelentőségét egészségünk megőrzése során.
Ugyanakkor azt is látni kell, az itt bemutatott eredmények gyakorlati alkalmazása még várat magára, mivel még számtalan kérdés nyitva áll ezen a területen. Nem tisztázott a mikrobiális jelek pontos eredete a plazmában, hogy élő vagy lizált mikroorganizmusokból, humán sejtekből (pl.: immunsejtek) származnak-e vagy esetleg a daganathoz köthető transzlokáció a forrásuk. A gépi tanulási modellek felállításához és megbízható alkalmazásához standardizált, nagy mennyiségű adatot tartalmazó adatbázisokra is szükség van. Továbbá a kutatók felhívták arra is a figyelmet, hogy a humán mintákban alacsony mennyiségben jelenlévő nem emberi nukleinsavak kimutatása és elemzése céljából technikai jellegű fejlesztések is szükségesek, a módszer jövőbeli precíz alkalmazásához.