新传媒网迈阿密大学米勒医学院西尔维斯特综合癌症中心的科学家与国际研究人员合作，开发了一种复杂的人工智能算法，可以执行高级计算分析，以确定多形性胶质母细胞瘤 (GBM) 和其他癌症的潜在治疗靶点。
他们的研究发表在 2 月 2 日出版的《自然癌症》杂志上，可能对未来治疗 GBM、一种侵袭性的、通常致命的脑癌以及某些乳腺癌、肺癌和儿科癌症产生深远影响。
“我们的工作代表了转化科学，它提供了立即改变胶质母细胞瘤患者在诊所常规管理方式的机会，”西尔维斯特综合癌症中心副主任、该研究的资深作者、医学博士 Antonio Iavarone 解释说。“我们的算法为精准癌症医学提供了应用，为肿瘤学家提供了一种新工具来对抗这种致命疾病和其他癌症。”
被称为 SPHINKS 的 AI 算法——基于底物磷酸盐的激酶网络推理——部署了深度机器学习，以帮助研究人员识别并通过实验验证两种蛋白激酶(PKCδ 和 DNAPKcs)是与两种 GBM 亚型肿瘤进展相关的罪魁祸首并作为其他癌症的潜在治疗靶点。
蛋白激酶是目前用于精准癌症医学的关键靶标，用于根据患者的特定癌症特性定制治疗。最活跃的激酶，研究人员在他们的论文中标记为“主激酶”，是临床医生将靶向药物作为当前癌症治疗的标志的那些。
除了识别主激酶外，Iavarone 博士及其同事还使用在实验室中从患者样本中培养的肿瘤类器官——他们称之为“患者来源的肿瘤化身”——来表明干扰主激酶活性的靶向药物可以阻止肿瘤生长。
此前，Iavarone 博士及其团队报告了一种新的胶质母细胞瘤分类，方法是捕获关键的肿瘤细胞特征，并根据 GBM 患者的存活可能性和肿瘤对药物的易感性对其进行分组。在这项新研究中，这些分类通过几个组学平台独立确认：基因组学(基因)、蛋白质组学(蛋白质)脂质组学(脂肪分子)、乙酰组学(表观遗传学)、代谢组学(代谢物)等。
