Données sur les tumeurs unicellulaires pour un traitement de haute précision

Données sur les tumeurs unicellulaires pour un traitement de haute précision
Données sur les tumeurs unicellulaires pour un traitement de haute précision

Avec plus de 200 types de cancer et chaque cancer étant unique, les efforts en cours pour développer des traitements oncologiques de précision restent considérables. L’objectif principal a été de développer des tests ou des analyses de séquençage génétique pour identifier les mutations dans les gènes responsables du cancer, puis de trouver des traitements susceptibles de lutter contre ces mutations. Cependant, de nombreux patients atteints de cancer, sinon la plupart, ne bénéficient pas de ces thérapies ciblées précoces.

Un nouveau « pipeline informatique »

capable d’analyser des montagnes de données unicellulaires vise à pouvoir transformer toutes ces informations, pour un patient et un cancer donnés, en clinique.

Appelé « Perception » pour Planification personnalisée basée sur l’expression unicellulaire pour les traitements en oncologie, cette nouvelle approche basée sur l’intelligence artificielle (IA) exploite notamment la transcriptomique, ou l’étude des facteurs de transcriptionou les molécules d’ARN messager exprimées par les gènes qui transportent l’ADN.

Pourquoi analyser les « omiques unicellulaires » ?

« La tumeur est une bête complexe et évolutive »

écrivent les scientifiques. L’utilisation d’une résolution unicellulaire peut aider à relever ces deux défis de complexité et d’échelle. En analysant les données au niveau unicellulaire, Perception nous permet de mieux comprendre l’architecture de la tumeur et de suivre l’émergence de résistances. Sur le plan clinique, l’outil permettra d’adapter le traitement à l’évolution des cellules cancéreuses et à la complexité structurelle de la tumeur.

Transférer l’apprentissage C’est le domaine de l’IA exploité ici : Perception utilise l’expression de gènes de masse identifiés à partir de tumeurs pour pré-entraîner ses modèles. Ensuite, les données unicellulaires provenant de lignées cellulaires et de patients, bien que limitées, sont utilisées pour affiner le modèle. Testé via 3 essais cliniques indépendants, l’outil a pu prédire la réponse à la monothérapie et au traitement combiné dans les cas de myélome multiple, de cancer du sein et de cancer du poumon. Dans tous ces cas, Perception a pu stratifier correctement les patients en « répondeurs » et « non-répondeurs » et a pu capturer le développement d’une résistance aux médicaments anticancéreux.

Au-delà du pipeline lui-même, l’approche démontre le grand intérêt des données unicellulaires pour orienter le traitement.

« La qualité de la prédiction augmente avec la qualité et la quantité des données qui servent de base à l’analyse ». C’est la valeur ajoutée de l’IA.

 
For Latest Updates Follow us on Google News
 

NEXT Le crack et la cocaïne explosent en Suisse et cela s’explique – .