TRANSACT: algoritmus onkológiai készítményekre adott betegválasz predikciójára

Az onkológiai készítmények hatásosságát általában sejtvonalakon, azaz Petri-csészében létrehozott sejteken tesztelik, viszont ezek a hatásossági mutatók valódi betegeken történő alkalmazás esetében ritkán egyeznek a tesztelés során megfigyelt mértékkel, ráadásul egyes betegek között is nagy az eltérés.

Ezt a különbséget képes áthidalni a gépi tanulásos technikát alkalmazó, génexpressziós mintázatokkal dolgozó TRANSACT algoritmus, mely a sejtvonalakról szerzett hatalmas információtömeg és a beteg egyedi mintája alapján képes megjósolni, hogy az adott beteg esetében az adott onkológiai kezelés megfelelően fog-e hatni.

Az algoritmus előnye, hogy nem csak onkológiai kezelésekben használt gyógyszerek esetében alkalmazható, hanem a terápiás készítmények köre szinte tetszőlegesen bővíthető.

Forrás: Soufiane M. C. Mourragui et al, Predicting patient response with models trained on cell lines and patient-derived xenografts by nonlinear transfer learning, Proceedings of the National Academy of Sciences (2021).