Frühe Krebsvorhersage mittels Deep Learning
2021
Max-Planck-Institut für Molekulare Genetik, Berlin, Deutschland
EMOGI (Explainable Multi-Omics Graph Integration) ist eine maschinelle Lernmethode zur Identifizierung von Krebsgenen. Basierend auf menschlichen Patientendaten kombiniert der Deep-Learning-Algorithmus Daten von Mutationen, Kopiezahlveränderungen, DNA-Methylierung und Genexpression mit Protein-Protein-Interaktionen für eine Vorhersage von frühen molekularen Anzeichen von Krebs, die genauer ist als andere bisher bekannte Methoden. Sowohl genetische Veränderungen als auch nicht-genetische Ursachen tragen zur Tumorgenese bei, wobei einige der nicht mutierten Gene mit bekannten Krebsgenen interagieren. 165 potenzielle neue Krebsgene wurden durch diese Methode identifiziert. EMOGI kann neue Erkenntnisse aufzeigen, sowie therapeutische Substanzen in der personalisierten Präzisionsonkologie berechnen. Die Methode ist nicht auf die Onkologie beschränkt, sondern kann auch bei anderen komplexen Erkrankungen mit genetischen und nicht-genetischen Biomarkern wie z. B. Stoffwechselstörungen eingesetzt werden, um Krankheitsmuster zu erkennen.
Integration of multiomics data with graph convolutional networks to identify new cancer genes and their associated molecular mechanisms
Annalisa Marsico
Eingestellt am: 26.04.2021
[1] www.nature.com/articles/s42256-021-00325-y[2] https://www.bionity.com/en/news/1170673/more-than-the-sum-of-mutations.html
