ИИ по динамике белков предсказал ответ раковых клеток на лекарства

Команда исследователей создала модель искусственного интеллекта ProteinTalks, которая работает как виртуальная раковая клетка: отслеживает, как меняются уровни тысяч белков в ответ на лекарства, и на основе этих данных предсказывает эффективность препаратов — в том числе тех, которых модель прежде «не видела». Работа опубликована в Nature. Модель требует клинической валидации и не назначает лечение пациентам.

Зачем нужна динамика, а не снимок

Большинство существующих подходов к предсказанию эффективности лечения опираются на геномные или транскриптомные данные — то есть на «фотографию» ДНК или РНК клетки в один момент времени. Это не учитывает, как клетка реально реагирует на лекарство: активирует защитные пути, перестраивает сигнальные сети, разворачивает программы сопротивления.

ProteinTalks устроен иначе: он обучен на временны́х рядах белковых измерений — данных о том, как меняются уровни белков до и после воздействия препарата в нескольких временных точках.

Как собирали данные

Команда под руководством Руи Суна подвергла 18 линий клеток рака молочной железы воздействию 63 одобренных FDA противоопухолевых препаратов и 59 двойных комбинаций. Измерения проводились до лечения и через 6, 24 и 48 часов после него.

Результат: более 38 миллионов измерений уровней 5585 белков — один из самых масштабных наборов данных такого рода. На эти данные, совмещённые с информацией о выживаемости клеток, и была обучена модель.

Архитектурно ProteinTalks основан на нейронных обыкновенных дифференциальных уравнениях (neural ODE) — инструменте, позволяющем моделировать непрерывную динамику во времени, а не дискретные переходы.

Что умеет модель

В ходе испытаний ProteinTalks продемонстрировал ряд возможностей:

• Предсказание ответа на незнакомые соединения. Модель корректно предсказала ответ клеток на 81 соединение, которое не входило в обучающую выборку.
• Поиск синергичных комбинаций. Для тройного негативного рака молочной железы (ТНРМЖ — наиболее агрессивный вариант, не имеющий гормональных рецепторов) модель предложила 4 синергичные пары препаратов, показавшие повышенную эффективность.
• Проверка на органоидах. Предсказанные кандидаты тестировали на органоидах — трёхмерных мини-опухолях, выращенных из опухолевых клеток пациентов. Некоторые соединения уничтожали злокачественные клетки при значительно меньших концентрациях, чем стандартная химиотерапия.
• Стратификация пациентов. ProteinTalks проанализировал протеомные профили 501 пациентки с ТНРМЖ и разделил их на группы с разными прогнозами рецидива и выживаемости.
• Переносимость на другие типы рака. Несмотря на обучение на раке молочной железы, модель успешно предсказывала ответ клеток лёгкого, колоректального, поджелудочного и меланомы.

Что впереди.

Читайте также по теме: изменении заболеваемости раком молочной железы.

Авторы подчёркивают: ProteinTalks — исследовательский инструмент, прошедший валидацию на клеточных линиях и органоидах. До клинического применения модель должна подтвердить свои предсказания в проспективных клинических испытаниях. Протеомные измерения, необходимые для работы модели, также требуют стандартизации и адаптации к рутинной клинической практике.