గూగుల్ ప్రకటించింది డీప్సోమాటిక్ట్యూమర్ జెనెటిక్ సీక్వెన్స్లలో క్యాన్సర్ సంబంధిత ఉత్పరివర్తనాలను మరింత ఖచ్చితంగా గుర్తించగల AI సాధనం.
కణ విభజనను నియంత్రించే నియంత్రణలు పనిచేయకపోవడం వల్ల క్యాన్సర్ ప్రారంభమవుతుంది. సమర్థవంతమైన చికిత్స ప్రణాళికలను రూపొందించడానికి కణితి యొక్క పెరుగుదలను నడిపించే నిర్దిష్ట జన్యు ఉత్పరివర్తనాలను కనుగొనడం చాలా అవసరం. వైద్యులు ఇప్పుడు బయాప్సీల నుండి ట్యూమర్ సెల్ జీనోమ్లను క్రమం తప్పకుండా సీక్వెన్స్ చేయడం ద్వారా నిర్దిష్ట క్యాన్సర్ ఎలా పెరుగుతుందనేది మరియు వ్యాప్తి చెందుతుందనే లక్ష్యంతో చికిత్సలను తెలియజేస్తుంది.
నేచర్ బయోటెక్నాలజీలో ప్రచురించబడిన ఈ పని ప్రస్తుత పద్ధతుల కంటే ఎక్కువ ఖచ్చితత్వంతో కణితి కణాలలో జన్యు వైవిధ్యాలను గుర్తించడానికి కన్వల్యూషనల్ న్యూరల్ నెట్వర్క్లను ఉపయోగించే సాధనాన్ని అందిస్తుంది. Google డీప్సోమాటిక్ మరియు దాని కోసం రూపొందించిన అధిక-నాణ్యత శిక్షణ డేటాసెట్ రెండింటినీ బహిరంగంగా అందుబాటులో ఉంచింది.
సోమాటిక్ వేరియంట్ల సవాలు
క్యాన్సర్ జన్యుశాస్త్రం సంక్లిష్టమైనది. జీనోమ్ సీక్వెన్సింగ్ జన్యు క్యాన్సర్ వైవిధ్యాలను కనుగొంటుంది, సీక్వెన్సింగ్ లోపాల నుండి నిజమైన వేరియంట్లను వేరు చేయడం కష్టం మరియు AI సాధనం స్వాగత సహాయాన్ని అందిస్తుంది. చాలా క్యాన్సర్లు తల్లిదండ్రుల నుండి వారసత్వంగా వచ్చిన ‘జెర్మ్లైన్’ వేరియంట్ల కంటే పుట్టిన తర్వాత పొందిన ‘సోమాటిక్’ వేరియంట్ల ద్వారా నడపబడతాయి.
UV కాంతి DNA దెబ్బతినడం వంటి పర్యావరణ కారకాలు లేదా DNA ప్రతిరూపణ సమయంలో యాదృచ్ఛిక లోపాలు సంభవించినప్పుడు సోమాటిక్ ఉత్పరివర్తనలు జరుగుతాయి. ఈ వైవిధ్యాలు సాధారణ కణ ప్రవర్తనను మార్చినప్పుడు, అవి అనియంత్రిత ప్రతిరూపణకు కారణమవుతాయి, క్యాన్సర్ అభివృద్ధి మరియు పురోగతికి కారణమవుతాయి.
సోమాటిక్ వేరియంట్లను గుర్తించడం అనేది వారసత్వంగా వచ్చిన వాటిని కనుగొనడం కంటే కష్టం, ఎందుకంటే అవి కణితి కణాలలో తక్కువ పౌనఃపున్యాల వద్ద ఉంటాయి, కొన్నిసార్లు సీక్వెన్సింగ్ లోపం రేటు కంటే తక్కువ రేట్లు ఉంటాయి.
DeepSomatic ఎలా పనిచేస్తుంది
క్లినికల్ సెట్టింగ్లలో, శాస్త్రవేత్తలు బయాప్సీ నుండి కణితి కణాలు మరియు రోగి నుండి సాధారణ కణాలు రెండింటినీ క్రమం చేస్తారు. డీప్సోమాటిక్ తేడాలను గుర్తించి, వారసత్వంగా పొందని కణితి కణాలలో వైవిధ్యాలను గుర్తిస్తుంది. ఈ వైవిధ్యాలు కణితి యొక్క పెరుగుదలకు ఆజ్యం పోసిన వాటిని వెల్లడిస్తాయి.
మోడల్ కణితి మరియు సాధారణ నమూనాల నుండి ముడి జన్యు శ్రేణి డేటాను వివిధ డేటా పాయింట్లను సూచించే చిత్రాలుగా మారుస్తుంది, సీక్వెన్సింగ్ డేటా మరియు క్రోమోజోమ్తో పాటు దాని అమరికతో సహా. ఒక కన్వల్యూషనల్ న్యూరల్ నెట్వర్క్ ఈ చిత్రాలను స్టాండర్డ్ రిఫరెన్స్ జీనోమ్, వ్యక్తి యొక్క సాధారణ ఇన్హెరిటెడ్ వేరియంట్లు మరియు సీక్వెన్సింగ్ ఎర్రర్లను ఫిల్టర్ చేస్తున్నప్పుడు క్యాన్సర్ కలిగించే సోమాటిక్ వేరియంట్ల మధ్య తేడాను గుర్తించడానికి విశ్లేషిస్తుంది. అవుట్పుట్ అనేది క్యాన్సర్-సంబంధిత ఉత్పరివర్తనాల జాబితా.
సాధారణ కణ నమూనాలు అందుబాటులో లేనప్పుడు డీప్సోమాటిక్ ‘ట్యూమర్-ఓన్లీ’ మోడ్లో కూడా పని చేస్తుంది, ఇది లుకేమియా వంటి రక్త క్యాన్సర్లతో తరచుగా జరుగుతుంది. ఇది అనేక పరిశోధన మరియు క్లినికల్ దృశ్యాలలో సాధనాన్ని వర్తించేలా చేస్తుంది.
మరింత ఖచ్చితమైన AI క్యాన్సర్ పరిశోధన సాధనం శిక్షణ
ఖచ్చితమైన AI మోడల్కు శిక్షణ ఇవ్వడానికి అధిక-నాణ్యత డేటా అవసరం. దాని AI సాధనం కోసం, Google మరియు UC శాంటా క్రజ్ జెనోమిక్స్ ఇన్స్టిట్యూట్ మరియు నేషనల్ క్యాన్సర్ ఇన్స్టిట్యూట్లోని దాని భాగస్వాములు CASTLE అనే బెంచ్మార్క్ డేటాసెట్ను రూపొందించారు. వారు నాలుగు రొమ్ము క్యాన్సర్ నమూనాలు మరియు రెండు ఊపిరితిత్తుల క్యాన్సర్ నమూనాల నుండి కణితి మరియు సాధారణ కణాలను క్రమం చేశారు.
అవుట్పుట్లను కలపడం మరియు ప్లాట్ఫారమ్-నిర్దిష్ట లోపాలను తొలగించడం ద్వారా ఒకే, ఖచ్చితమైన రిఫరెన్స్ డేటాసెట్ను రూపొందించడానికి ఈ నమూనాలను మూడు ప్రముఖ సీక్వెన్సింగ్ ప్లాట్ఫారమ్లను ఉపయోగించి విశ్లేషించారు. ఒకే రకమైన క్యాన్సర్ రకం కూడా చాలా భిన్నమైన పరస్పర సంతకాలను ఎలా కలిగి ఉంటుందో డేటా చూపిస్తుంది, నిర్దిష్ట చికిత్సలకు రోగి ప్రతిస్పందనను అంచనా వేయడంలో సహాయపడే సమాచారం.
డీప్సోమాటిక్ మోడల్లు మూడు ప్రధాన సీక్వెన్సింగ్ ప్లాట్ఫారమ్లలో ఇతర స్థాపించబడిన పద్ధతుల కంటే మెరుగ్గా పనిచేశాయి. చొప్పించడం మరియు తొలగింపులు లేదా ‘ఇండెల్స్’ అని పిలువబడే సంక్లిష్ట ఉత్పరివర్తనాలను గుర్తించడంలో సాధనం అత్యుత్తమంగా ఉంది. ఈ వేరియంట్ల కోసం, డీప్సోమాటిక్ ఇల్యూమినా సీక్వెన్సింగ్ డేటాపై 90% F1-స్కోర్ను సాధించింది, తదుపరి-ఉత్తమ పద్ధతి కోసం 80%తో పోలిస్తే. పసిఫిక్ బయోసైన్సెస్ డేటాలో మెరుగుదల మరింత నాటకీయంగా ఉంది, ఇక్కడ డీప్సోమాటిక్ 80% కంటే ఎక్కువ స్కోర్ చేసింది, తదుపరి ఉత్తమ సాధనం 50% కంటే తక్కువ స్కోర్ చేసింది.
సవాలు చేసే నమూనాలను విశ్లేషించేటప్పుడు AI బాగా పనిచేసింది. పరీక్షలో ఫార్మాలిన్-ఫిక్స్డ్-పారాఫిన్-ఎంబెడెడ్ (FFPE)తో భద్రపరచబడిన రొమ్ము క్యాన్సర్ నమూనా ఉంది, ఇది DNA నష్టాన్ని పరిచయం చేయగల మరియు విశ్లేషణను క్లిష్టతరం చేసే సాధారణ పద్ధతి. ఇది మొత్తం ఎక్సోమ్ సీక్వెన్సింగ్ (WES) నుండి డేటాపై కూడా పరీక్షించబడింది, ఇది మరింత సరసమైన పద్ధతి, ఇది ప్రోటీన్ల కోసం జన్యు కోడింగ్లో 1% మాత్రమే సీక్వెన్స్ చేస్తుంది. రెండు దృశ్యాలలో, డీప్సోమాటిక్ ఇతర సాధనాలను అధిగమించింది, తక్కువ-నాణ్యత లేదా చారిత్రక నమూనాలను విశ్లేషించడానికి దాని ప్రయోజనాన్ని సూచిస్తుంది.
అన్ని క్యాన్సర్లకు AI సాధనం
AI సాధనం దాని అభ్యాసాన్ని అది శిక్షణ పొందని కొత్త క్యాన్సర్ రకాలకు వర్తింపజేయగలదని చూపింది. గ్లియోబ్లాస్టోమా నమూనా, ఉగ్రమైన మెదడు క్యాన్సర్ను విశ్లేషించడానికి ఉపయోగించినప్పుడు, ఇది వ్యాధిని నడపడానికి తెలిసిన కొన్ని వైవిధ్యాలను విజయవంతంగా గుర్తించింది. కాన్సాస్ సిటీలోని చిల్డ్రన్స్ మెర్సీతో భాగస్వామ్యంలో, ఇది పీడియాట్రిక్ లుకేమియా యొక్క ఎనిమిది నమూనాలను విశ్లేషించింది మరియు కణితి-మాత్రమే నమూనాలతో పనిచేసినప్పటికీ, 10 కొత్త వాటిని గుర్తించేటప్పుడు గతంలో తెలిసిన వేరియంట్లను కనుగొంది.
వ్యక్తిగత కణితులను బాగా అర్థం చేసుకోవడానికి పరిశోధనా ప్రయోగశాలలు మరియు వైద్యులు ఈ సాధనాన్ని అవలంబిస్తారని Google భావిస్తోంది. తెలిసిన క్యాన్సర్ వైవిధ్యాలను గుర్తించడం ద్వారా, ఇది ఇప్పటికే ఉన్న చికిత్సల కోసం ఎంపికలను గైడ్ చేయడంలో సహాయపడుతుంది. కొత్త వాటిని గుర్తించడం ద్వారా, ఇది కొత్త చికిత్సలకు దారి తీస్తుంది. ఖచ్చితమైన ఔషధాన్ని అభివృద్ధి చేయడం మరియు రోగులకు మరింత ప్రభావవంతమైన చికిత్సలను అందించడం లక్ష్యం.
ఇవి కూడా చూడండి: MHRA పేషెంట్ కేర్ కోసం తదుపరి AI సాధనాలను వేగంగా ట్రాక్ చేస్తుంది
పరిశ్రమ ప్రముఖుల నుండి AI మరియు పెద్ద డేటా గురించి మరింత తెలుసుకోవాలనుకుంటున్నారా? తనిఖీ చేయండి AI & బిగ్ డేటా ఎక్స్పో ఆమ్స్టర్డామ్, కాలిఫోర్నియా మరియు లండన్లో జరుగుతున్నాయి. సమగ్ర కార్యక్రమం ఇందులో భాగమే టెక్ఎక్స్ మరియు సహా ఇతర ప్రముఖ సాంకేతిక ఈవెంట్లతో కలిసి ఉంది సైబర్ సెక్యూరిటీ ఎక్స్పోక్లిక్ చేయండి ఇక్కడ మరింత సమాచారం కోసం.
AI వార్తలు ఆధారితం టెక్ఫోర్జ్ మీడియా. రాబోయే ఇతర ఎంటర్ప్రైజ్ టెక్నాలజీ ఈవెంట్లు మరియు వెబ్నార్లను అన్వేషించండి ఇక్కడ.
