人工智能已经可以检测出导致某些癌症的基因缺陷

PARP抑制剂——阻断某些细胞酶的物质——有望治疗由同源重组(HR)缺陷引起的癌症。但它们的作用被低估了，因为大多数临床测试并不能可靠地检测出HR。

令人鼓舞的是，哈佛医学院的科学家们已经开发出一种人工智能筛选系统——SigMA——他们声称该系统能够成功地"解读"出HR缺陷的分子特征，而且非常准确、高效，而且与现有的筛选方法相配合。

近日发表在<<自然遗传学>>杂志上的一篇报道对此进行了描述。

"精确医学的核心是找到可操作的遗传生物标志物，并使用针对相关癌症驱动途径的药物治疗患者。我们相信我们的算法可以极大地提高医生提供这种个体化治疗的能力。" 该研究的资深作者彼得·帕克(Peter Park)在一份声明中说，他是哈佛大学布拉瓦特尼克研究所生物医学信息学教授。

"我们怀疑有更多没有BRCA突变的病人可以从PARP抑制剂中获益，但医生不知道他们是哪一种。我们的方法可能有助于消除这一鸿沟。"

正如帕克和他的同事所解释的，PARP抑制剂通常用于乳腺癌、卵巢癌、胰腺癌和其他BRCA基因突变的癌症患者。

但并不是所有缺乏HR的病人都有BRCA突变，所以大多数标准的检测都没有发现。

相比之下，SigMA可以识别HR缺陷的模式特征——被癌变畸形打乱的DNA成分中出现的模式——即使是在只分析一部分基因的临床试验中。

研究人员从数千个已完全测序的肿瘤基因组中挑选出一个语料库，并对该模型进行训练。之后，他们对730个全基因组测序分析的样本进行了性能测试。

他们报告说，它在74%的时间里正确识别了样本——与目前算法检测缺乏HR癌细胞的30%到40%的正确率相比，这是一个改进——在随后的实验中，878个乳腺肿瘤样本来自于之前接受过基因检测的患者，它检测到23%的样品有HR缺乏的迹象。

此外，它还成功地发现了其他类型癌症中先前未被识别的HR缺陷。

他们说，SigMA发现的存在HR缺陷的乳腺癌细胞系(甚至其他肿瘤类型)，与没有这种缺陷的细胞相比，它们对PARP抑制剂的反应更好。

"在许多医院里，成千上万的癌症患者的基因图谱都是由基因面板绘制的。我们相信，我们的算法能够以更高的灵敏度检测潜在致癌缺陷的分子足迹，"该研究的第一作者、HMS生物医学信息系的博士后研究员Doga Gulhan在一份声明中说。

"这种测试的首要目标是帮助临床医生根据特定基因缺陷的缺失或存在来确定每个患者的最佳治疗方案。"

研究人员认为，每年大约有27万人被诊断出患有乳腺癌，其中估计有5%到10%的人患有BRCA缺陷，如果SigMA被纳入已经在医院使用的基因测试中，SigMA将使他们受益。

研究小组警告说，尽管SigMA不能检测出只有少量突变的癌症的HR缺陷，但它可以被训练在其他完全测序的基因组体上，以检测更多种类的突变。

"在过去的几个月里，我们与许多临床医生进行了交谈，我们已经开始了多项合作，根据我们的预测，更多的临床试验患者将获得这种药物。我们认为我们可以用这种计算方法对癌症治疗产生真正的影响。"

"算法的准确性会因癌症类型而异。但即使检出率不那么高，仍然会发现其他可能被遗漏的病例。这最终意味着为更多人提供更有针对性的治疗。"