Metoda, numită Estimare Structurată a Variabilelor Latente Ortogonale (SOLVE), a fost dezvoltată de Jialai She, sub îndrumarea lui Gil Alterovitz, doctor în științe, la Harvard Center for Biomedical Informatics. SOLVE oferă o modalitate unitară de a modela atât ceea ce cercetătorii pot măsura – cum ar fi genomica tumorilor și proprietățile medicamentelor – cât și ceea ce nu pot, inclusiv stările celulare ascunse care influențează puternic răspunsul la medicamente.
Oncologia de precizie depinde de identificarea biomarkerilor fiabili care prezic care pacienți vor beneficia de terapii specifice. Pentru a face acest lucru, cercetătorii analizează în mod obișnuit seturi de date farmacogenomice mari care testează sute de medicamente pe sute de linii celulare canceroase. Dar aceste seturi de date sunt notoriu zgomotoase. „În studiile farmacogenomice, mulți biologi cu care am discutat au subliniat faptul că există factori biologici ascunși – lucruri precum programele și stările celulare – care influențează rezultatele medicamentelor,” a spus She. „Acest lucru creează o problemă de confuzie.”
În practică, abordările standard bazate pe regresie pot atribui în mod eronat un răspuns la medicament unei gene particulare atunci când, în realitate, ambele sunt determinate de un factor neobservat. Aceste factori de confuzie pot genera asocieri false pozitive sau pot acoperi pe cele autentice, subminând încrederea în descoperirea de biomarkeri.
SOLVE abordează această problemă recunoscând în mod explicit limitele colectării de date. Cadru modelează răspunsul la medicament ca sumă a trei componente: caracteristicile genomice măsurate ale liniilor celulare canceroase, proprietățile medicamentului măsurate și o a treia componentă latentă care capturează biologia neobservată. Acest termen latent reprezintă o structură ascunsă comună – cum ar fi stările de activare a căilor sau răspunsurile la stres – care influențează simultan multe răspunsuri la medicamente.
„A treia componentă este modul nostru de a fi sinceri cu privire la limitarea de bază în colectarea datelor,” a explicat She. „Chiar și cu seturi de date foarte mari, nu măsurăm niciodată tot ce contează.”
În mod crucial, SOLVE nu adaugă pur și simplu un termen latent și speră în cel mai bun rezultat. În schimb, cadru impune constrângeri matematice atent concepute care forțează componenta latentă să fie ortogonală față de caracteristicile genomice și medicamentul măsurate. În termeni practici, aceasta înseamnă că factorii latenti sunt autorizați să explice doar variația care nu poate fi deja explicată de datele observate.
Această alegere de proiectare rezolvă o problemă de identificabilitate de durată în modelele de factori latenti. Prin construcție, SOLVE împiedică termenul latent să „fure” semnale care ar trebui atribuite predictorilor cunoscuți. Ca rezultat, asocierile estimate gene-medicament devin mai interpretabile și mai de încredere.
O altă presupunere cheie este că un
Sursa: [Link către articolul original, dacă este disponibil]
Senior Editor RevistaSanatatii.ro. Pasionat de lifespan, fan David Sinclair.