Forum für Wissenschaft, Industrie und Wirtschaft

Hauptsponsoren:     3M 
Datenbankrecherche:

 

Deep Learning erkennt molekulare Muster von Krebs

03.12.2019

Eine Plattform für künstliche Intelligenz, die am MDC entwickelt wurde, kann genomische Daten extrem schnell analysieren. Sie filtert wesentliche Muster heraus, um Darmkrebs zu klassifizieren und die Entwicklung von Wirkstoffen zu verbessern. Einige Darmkrebs-Arten müssen demnach neu geordnet werden.

Ein neuer Deep-Learning-Algorithmus kann verschiedene Arten von genomischen Daten, die aus kolorektalen Karzinomen gewonnen wurden, schnell und präzise analysieren und so genauer klassifizieren. Dies könnte die Diagnose und damit verbundene Behandlungsoptionen verbessern, berichten die Forscher*innen im Fachjournal Life Science Alliance.


Proben von Darmkrebstumoren kann man – gemäß der Genexpression – in vier Standard-Subtypen einordnen. Die Plattform maui hat die Proben ähnlich klassifiziert. Allerdings gibt es nun Hinweise darauf, dass Subtyp 2 (in grün, Abbildung A) eigentlich in zwei Subtypen unterteilt werden müsste (grün und hellblau in Abbildung B).

(c) Akalin Lab, MDC


Jonathan Ronen und Altuna Akalin besprechen die Ergebnisse.

Felix Petermann, MDC

Kolorektale Tumore entwickeln sich äußerst unterschiedlich, sie reagieren auf unterschiedliche Medikamente und auch die Überlebensraten sind sehr verschieden. Meist werden sie auf der Basis von Genexpressionsdaten in Subtypen klassifiziert.

„Die meisten Krankheiten sind deutlich komplexer als ein einzelnes Gen“, sagt Dr. Altuna Akalin, der Leiter der Forschungsgruppe Bioinformatik am Berliner Institut für Medizinische Systembiologie (BIMSB) des Max-Delbrück-Centrums für Molekulare Medizin (MDC). „Um diese Komplexität zu erfassen, brauchen wir irgendeine Art von maschinellem Lernen, die wirklich sämtliche Daten verarbeiten kann.“

Um die zahlreichen im genetischen Material vorhandenen Merkmale, einschließlich der Genexpression, Punktmutationen und strukturelle Veränderungen, bei denen ein DNA-Abschnitt mehrfach erzeugt wird (CNV, copy number variants), analysieren zu können, haben Akalin und sein Doktorand Jonathan Ronen die „Multi-omics Autoencoder Integration“-Plattform, kurz „maui“, entworfen.

Das Prinzip

Für überwachtes maschinelles Lernen braucht man normalerweise menschliche Expert*innen, die die Daten kennzeichnen und den Algorithmus dann so trainieren, dass er diese Kennzeichen vorhersagen kann. Um zum Beispiel die Augenfarbe anhand von Bildern von Augen vorherzusagen, müssen Forscher*innen den Algorithmus zunächst mit Bildern füttern, in denen die Augenfarbe gekennzeichnet ist. Der Algorithmus lernt daraufhin, verschiedene Augenfarben zu erkennen, und kann dann neue Daten selbstständig analysieren.

Beim unüberwachten maschinellen Lernen ist hingegen kein Training notwendig. Ein Deep-Learning-Algorithmus wird mit Daten ohne Kennzeichnungen gefüttert und sichtet diese, um gemeinsame Muster oder typische Eigenschaften – in der Fachsprache heißen sie latente Faktoren – zu finden. Diese Art von Algorithmus kann zum Beispiel Bilder von Gesichtern verarbeiten, die in keiner Weise gekennzeichnet sind, und dabei Schlüsselmerkmale wie Augenfarben, Augenbrauen- und Nasenformen oder Lächeln erkennen.

Als Deep-Learning-Plattform ist maui in der Lage, mehrere Omics-Datensätze zu analysieren und die wichtigsten Muster oder Merkmale, in diesem Fall Gensätze oder Indikatoren für Darmkrebs, zu erkennen.

Neuklassifikation der Subtypen?

Die maui-Plattform erkannte in den Daten Muster, die mit den vier bekannten Subtypen kolorektaler Karzinome übereinstimmen, und ordnete Tumore diesen Subtypen mit hoher Präzision zu. Sie hat noch eine interessante Entdeckung gemacht. Sie fand ein Muster, das nahelegt, dass ein Subtyp (CMS2) gegebenenfalls in zwei verschiedene Gruppen unterteilt werden muss.

Die Tumore weisen verschiedene Mechanismen und Überlebensraten auf. Das Team schlägt weitere Untersuchungen vor, um festzustellen, ob der Subtyp einzigartig ist oder generell charakteristisch für eine Tumorausbreitung. In jedem Fall zeigt das Ergebnis, wozu die Plattform fähig ist: Sie kann nicht nur die bekannten und bereits mit der Krankheit in Verbindung gebrachten Gene, sondern auch alle anderen Daten berücksichtigen, und ermöglicht damit tiefere Einblicke.

„Mittels datenwissenschaftlicher Methoden lassen sich Erkenntnisse auch aus normalerweise schwer interpretierbaren komplexen Daten gewinnen“, sagt Akalin. „Man kann Algorithmen mit allen Daten, die zu Tumoren vorliegen, füttern und sie werden sinnvolle Muster finden.“

Schneller und besser

Das Programm war nicht nur genauer, es arbeitet auch schneller als andere Algorithmen des maschinellen Lernens – nur drei Minuten braucht es, um 100 Muster herauszufiltern. Andere Programme benötigten dafür 20 Minuten oder sogar elf Stunden.

„Das Programm ist in der Lage, in einem Bruchteil der Rechenzeit eine um Größenordnungen höhere Zahl an latenten Faktoren zu lernen“, erläutert Jonathan Ronen, Erstautor der Studie.

Das Team war überrascht davon, wie schnell das System arbeitet, insbesondere weil die Forschenden keine Grafikkarten verwendeten, die die Berechnungen normalerweise beschleunigen. Das zeigt, wie ausgesprochen gut optimiert und effizient der Algorithmus bereits ist, auch wenn das Team weiter daran arbeitet, das System noch zu verbessern.

Wirkstoffentwicklung verbessern

Um die Wirkung potenzieller Medikamente zu untersuchen, passte das Team, dem auch Sikander Hayat von der Bayer AG angehörte, das Programm etwas an: Es kann nun auch Zelllinien analysieren, die Tumoren entnommen bzw. im Labor gezüchtet wurden. Auf molekularer Ebene unterscheiden sich Zelllinien jedoch auf vielerlei Weise von echten Tumoren. Um das Ausmaß der Unterschiede abzuschätzen, verglich das Team mithilfe von maui Zelllinien, an denen derzeit Wirkstoffe gegen Darmkrebs getestet werden, mit Zellen aus echten Tumoren. Knapp die Hälfte der Zelllinien war demnach enger mit anderen Zelllinien verwandt als mit echten Tumoren. Nur eine Handvoll Linien ähneln den verschiedenen Arten kolorektaler Karzinome am meisten.

Die Suche nach neuen Medikamenten verlässt sich zwar längst nicht nur auf Zelllinien, diese Erkenntnis könnte aber dazu beitragen, das volle Potenzial der Zelllinienforschung besser auszuschöpfen. Möglicherweise lässt sie sich auch für andere Arten der Wirkstofferprobung anpasse, die auf genetischen Informationen basiert.

Google für Tumore

Nachdem die Deep-Learning-Plattform für Darmkrebs umfassend getestet wurde, könnten damit auch Daten neuer Patient*innen analysiert werden. „Man kann es sich wie eine Suchmaschine vorstellen“, sagt Akalin.

Ein Arzt oder eine Ärztin könnte die genetischen Daten eines Erkrankten in maui einspeisen, um die beste Übereinstimmung zu finden und so den Tumor schnell und genau zu klassifizieren. Die Plattform könnte dann Medikamente empfehlen, die bei ähnlichen Tumoren gut angeschlagen haben. So könnte sie voraussagen helfen, ob eine bestimmte Therapie etwas nützt und wie die Überlebensrate sind.

Derzeit ist dies nur in einem akademischen Umfeld möglich und wenn die Ärzt*innen zuvor alle vorhandenen klinischen Protokolle ausprobiert hatten. Es sei ein langer Weg bis zur Zulassung eines Tests oder Systems für den klinischen Einsatz, sagt Akalin. Das Team wägt mit der Unterstützung des Digital Health Accelerator Programms des Berlin Institute of Health das Potenzial für die Vermarktung des Systems ab. Darüber hinaus entwickeln sie maui für die Anwendung auf andere Krebsarten weiter.

Wissenschaftliche Ansprechpartner:

Altuna Akalin
Leiter der Plattform „Bioinformatics and Omics Data Science“
Berliner Institut für Medizinische Systembiologie (BIMSB) des
Max-Delbrück-Centrums für Molekulare Medizin in der Helmholtz-Gemeinschaft (MDC)
030-9406 4271
altuna.akalin@mdc-berlin.de

Originalpublikation:

Jonathan Ronen et al. (2019): „Evaluation of colorectal cancer subtypes and cell
lines using deep learning“, Life Science Alliance, DOI: 10.26508/lsa.201900517.

Weitere Informationen:

https://mdcsft.mdc-berlin.de/download.php/1410242246/figure%202_2x1.png Proben von Darmkrebstumoren kann man – gemäß der Genexpression – in vier Standard-Subtypen einordnen. Die Plattform maui hat die Proben ähnlich klassifiziert. Allerdings gibt es nun Hinweise darauf, dass Subtyp 2 (in grün, Abbildung A) eigentlich in zwei Subtypen unterteilt werden müsste (grün und hellblau in Abbildung B). (c) Akalin Lab, MDC
https://www.mdc-berlin.de/bioinformatics#t-profil Akalin Plattform

Christina Anders | Max-Delbrück-Centrum für Molekulare Medizin in der Helmholtz-Gemeinschaft

Weitere Nachrichten aus der Kategorie Informationstechnologie:

nachricht Textilherstellung für Weltraumantennen startet in die Industrialisierungsphase
28.05.2020 | Fraunhofer-Institut für Silicatforschung ISC

nachricht 3D-Gebärdensprach-Avatar als Sprachassistent zur automatisierten Gebärdenübersetzung
28.05.2020 | Universität Augsburg

Alle Nachrichten aus der Kategorie: Informationstechnologie >>>

Die aktuellsten Pressemeldungen zum Suchbegriff Innovation >>>

Die letzten 5 Focus-News des innovations-reports im Überblick:

Im Focus: Neuartiges Covid-19-Schnelltestverfahren auf Basis innovativer DNA-Polymerasen entwickelt

Eine Forschungskooperation der Universität Konstanz unter Federführung von Professor Dr. Christof Hauck (Fachbereich Biologie) mit Beteiligung des Klinikum Konstanz, eines Konstanzer Diagnostiklabors und des Konstanzer Unternehmens myPOLS Biotec, einer Ausgründung aus der Arbeitsgruppe für Organische Chemie / Zelluläre Chemie der Universität Konstanz, hat ein neuartiges Covid-19-Schnelltestverfahren entwickelt. Dieser Test ermöglicht es, Ergebnisse in der Hälfte der Zeit zu ermitteln – im Vergleich zur klassischen Polymerase-Ketten-Reaktion (PCR).

Die frühe Identifikation von Patienten, die mit dem neuartigen Coronavirus (SARS-CoV-2) infiziert sind, ist zentrale Voraussetzung bei der globalen Bewältigung...

Im Focus: Textilherstellung für Weltraumantennen startet in die Industrialisierungsphase

Im Rahmen des EU-Projekts LEA (Large European Antenna) hat das Fraunhofer-Anwendungszentrum für Textile Faserkeramiken TFK in Münchberg gemeinsam mit den Unternehmen HPS GmbH und Iprotex GmbH & Co. KG ein reflektierendes Metallnetz für Weltraumantennen entwickelt, das ab August 2020 in die Produktion gehen wird.

Beim Stichwort Raumfahrt werden zunächst Assoziationen zu Forschungen auf Mond und Mars sowie zur Beobachtung ferner Galaxien geweckt. Für unseren Alltag sind...

Im Focus: Biotechnologie: Enzym setzt durch Licht neuartige Reaktion in Gang

In lebenden Zellen treiben Enzyme biochemische Stoffwechselprozesse an. Auch in der Biotechnologie sind sie als Katalysatoren gefragt, um zum Beispiel chemische Produkte wie Arzneimittel herzustellen. Forscher haben nun ein Enzym identifiziert, das durch die Beleuchtung mit blauem Licht katalytisch aktiv wird und eine Reaktion in Gang setzt, die in der Enzymatik bisher unbekannt war. Die Studie ist in „Nature Communications“ erschienen.

Enzyme – in jeder lebenden Zelle sind sie die zentralen Antreiber für biochemische Stoffwechselprozesse und machen dort Reaktionen möglich. Genau diese...

Im Focus: Biotechnology: Triggered by light, a novel way to switch on an enzyme

In living cells, enzymes drive biochemical metabolic processes enabling reactions to take place efficiently. It is this very ability which allows them to be used as catalysts in biotechnology, for example to create chemical products such as pharmaceutics. Researchers now identified an enzyme that, when illuminated with blue light, becomes catalytically active and initiates a reaction that was previously unknown in enzymatics. The study was published in "Nature Communications".

Enzymes: they are the central drivers for biochemical metabolic processes in every living cell, enabling reactions to take place efficiently. It is this very...

Im Focus: Innovative Sensornetze aus Satelliten

In Würzburg werden vier Kleinst-Satelliten auf ihren Start vorbereitet. Sie sollen sich in einer Formation bewegen und weltweit erstmals ihre dreidimensionale Anordnung im Orbit selbstständig kontrollieren.

Wenn ein Gegenstand wie der Planet Erde komplett ohne tote Winkel erfasst werden soll, muss man ihn aus verschiedenen Richtungen ansehen und die...

Alle Focus-News des Innovations-reports >>>

Anzeige

Anzeige

VideoLinks
Industrie & Wirtschaft
Veranstaltungen

Gebäudewärme mit "grünem" Wasserstoff oder "grünem" Strom?

26.05.2020 | Veranstaltungen

Dresden Nexus Conference 2020 - Gleicher Termin, virtuelles Format, Anmeldung geöffnet

19.05.2020 | Veranstaltungen

Urban Transport Conference 2020 in digitaler Form

18.05.2020 | Veranstaltungen

VideoLinks
Wissenschaft & Forschung
Weitere VideoLinks im Überblick >>>
 
Aktuelle Beiträge

Wie sich Nervenzellen zum Abruf einer Erinnerung gezielt reaktivieren lassen

29.05.2020 | Biowissenschaften Chemie

Wald im Wandel

29.05.2020 | Agrar- Forstwissenschaften

Schwarzer Stickstoff: Bayreuther Forscher entdecken neues Hochdruck-Material und lösen ein Rätsel des Periodensystems

29.05.2020 | Materialwissenschaften

Weitere B2B-VideoLinks
IHR
JOB & KARRIERE
SERVICE
im innovations-report
in Kooperation mit academics