Több kezelés kombinációjának tesztelésére szolgáló új technológia a rákgyógyszerek fejlesztésében
Az MIT kutatói új elméleti keretrendszert fejlesztettek ki a kezelések közötti kölcsönhatások mechanizmusainak tanulmányozására. A technológia segítségével a tudósok hatékonyan becsülhetik meg, hogy a kezelések kombinációja hogyan hat egy adott csoportra, például sejtekre, így a kutatók kevesebb költséges kísérletet kell végezniük, miközben pontosabb adatokat gyűjthetnek.
Például annak vizsgálatához, hogy az egymással összekapcsolt gének hogyan befolyásolják a rákos sejtek növekedését, egy biológusnak esetlegesen több kezelést kell egyszerre alkalmaznia, hogy egyszerre több gént célozzon meg. Mivel azonban a kísérlet minden fordulójában több milliárd kombináció lehetséges, a tesztelendő kombinációk kiválasztása torzíthatja a kísérlet eredményeit.
Ezzel szemben az új keretrendszer olyan forgatókönyvet vesz figyelembe, amelyben a rendszer hatékonyan tervezhet elfogulatlan kísérleteket azáltal, hogy az összes kezelést párhuzamosan rendeli hozzá, és az egyes kezelések arányának módosításával szabályozhatja az eredményt.
A MIT kutatói elméletileg bizonyították, hogy ebben a keretrendszerben egy közel optimális stratégia létezik, és többkörös kísérletben végzett szimulációkkal tesztelték azt. Módszerükkel minden esetben minimalizálták a hibaarányt.
Ez a technika egy napon segíthet a tudósoknak jobban megérteni a betegségek mechanizmusait és új gyógyszerek kifejlesztésében a rák vagy genetikai rendellenességek kezelésére. A kutatás eredményeit nemrég mutatták be a gépi tanulásról szóló nemzetközi konferencián (ICML 2025).
Egyidejű kezelések
A kezelések komplex módon hatnak egymásra. Például egy tudós, aki megpróbálja meghatározni, hogy egy bizonyos gén hozzájárul-e egy adott betegség tünetéhez, esetlegesen több gént kell egyszerre megcélozzon a hatások tanulmányozása érdekében.
Ehhez a tudósok úgynevezett kombinatorikus perturbációkat alkalmaznak, amelynek során egyszerre több kezelést alkalmaznak ugyanazon sejtcsoportra.
„A kombinatorikus perturbációk segítségével részletes áttekintést kapunk arról, hogy a különböző gének hogyan hatnak egymásra, ami segít megérteni a sejtek működését” – magyarázza Zhang végzős hallgató, az Eric és Wendy Schmidt Központ ösztöndíjasa és az arxiv preprint szerveren közzétett tanulmány társszerzője.
Mivel a genetikai kísérletek költségesek és időigényesek, a tudósok célja a legjobb kezeléskombinációk kiválasztása a teszteléshez, ami a lehetőségek hatalmas száma miatt komoly kihívást jelent. A nem optimális kombinációk kiválasztása torz eredményeket eredményezhet.
A MIT kutatói más technológiával közelítették meg a problémát. Ahelyett, hogy egy kiválasztott részhalmazra koncentráltak volna, minden egység véletlenszerűen választja ki a kezelések kombinációját a rendszer által megadott dózisok alapján.
A dózisokat a felhasználó állítja be a kísérlet célja alapján – például a kutató négy különböző gyógyszer sejtnövekedésre gyakorolt hatását szeretné vizsgálni. A valószínűségi technológia kevésbé torzítja az adatokat, mert nem korlátozza a kísérletet egy előre meghatározott kezeléskészletre.
Az adagolási szintek valószínűségekhez hasonlóak, és minden sejt véletlenszerű kezeléskombinációt kap. Ha a rendszer magas adagot állít be, akkor nagyobb a valószínűsége, hogy a sejtek többsége ezt a kezelést kapja. Alacsonyabb adag esetén a sejtek kisebb alcsoportja kapja a kezelést.
„Ebből adódik a kérdés, hogy hogyan tervezzük meg az adagokat úgy, hogy a lehető legpontosabban becsülhessük az eredményeket? Itt jön be a képbe az elméletünk” – teszi hozzá Divya Shyamal, az MIT egyetemi hallgatója .
Elméleti keretrendszerük megmutatja, hogyan lehet a legjobban megtervezni ezeket az adagokat, hogy a legtöbbet lehessen megtudni a vizsgált jellemzőről vagy tulajdonságról.
A kísérlet minden fordulóját követően a rendszer összegyűjti az eredményeket, és visszajuttatja azokat a kísérleti keretrendszerbe. Ez kiadja a következő forduló ideális adagolási stratégiáját, és így tovább, aktívan alkalmazkodva a stratégiához több forduló során.
Az adagok optimalizálása, a hibák minimalizálása
A kutatók bebizonyították, hogy elméleti technológiájuk optimális adagokat eredményez, még akkor is, ha az adagok szintjét korlátozza a kezelések korlátozott rendelkezésre állása, vagy ha a kísérleti eredményekben minden fordulóban zavaró tényezők lépnek fel.
Szimulációkban ez az új technológia a legalacsonyabb hibaarányt eredményezte a többfordulós kísérletek becsült és tényleges eredményeinek összehasonlításában, felülmúlva két hagyományos módszert.
A jövőben a kutatók tovább szeretnék fejleszteni kísérleti keretrendszerüket, hogy figyelembe tudják venni az egységek közötti interferenciát és azt a tényt, hogy bizonyos kezelések szelekciós torzításhoz vezethetnek. Ezenkívül szeretnék ezt a technikát valós kísérleti körülmények között is alkalmazni.
„Ez egy új megközelítés egy nagyon érdekes, nehezen megoldható problémához. Most, hogy rendelkezésünkre áll ez az új keretrendszer, tovább gondolkodhatunk a kísérletek legjobb tervezési módjáról számos különböző alkalmazáshoz” – mondja Zhang.