Article

がん:前立腺がん発見のための生物学的情報に基づくディープニューラルネットワーク

Nature 598, 7880 doi: 10.1038/s41586-021-03922-4

前立腺がんの臨床的にアグレッシブな表現型を仲介する分子的特性を決定することは、いまだ主要な生物学的・臨床的難題である。最近、生物医学的な問題に適用された際の機械学習モデルの解釈可能性が向上しており、これによって臨床がんゲノミクスにおける発見や予測が可能になるかもしれない。今回我々は、生物学的情報に基づくディープラーニングモデルであるP-NETを開発し、前立腺がん患者を治療抵抗性の状態に基づいて階層化し、完全なモデル解釈可能性を用いて、標的治療のための、治療抵抗性の分子ドライバーを評価した。その結果、P-NETは、他のモデル化手法よりも優れた成績で、分子データを使ってがんの状態を予測できることが実証された。さらに、P-NET内の生物学的解釈可能性により、MDM4FGFR1など、既知のものや新規の分子的に変異した候補が明らかになった。これらは進行がんの予測と関連しており、in vitroで検証された。概して、生物学的情報に基づく完全に解釈可能なニューラルネットワークは、前立腺がんの前臨床的な発見や臨床的な予測を可能にし、あらゆる種類のがんで広く利用できる可能性がある。

目次へ戻る

プライバシーマーク制度