Когда агрохимические и фармацевтические компании разрабатывают новые продукты, они должны тщательно протестировать их на потенциальную токсичность, прежде чем получить одобрение регулирующих органов. Это тестирование обычно включает в себя длительные и дорогостоящие исследования на животных.

Исследовательская группа из Университета Иллинойса разработала метод идентификации биомаркеров генов, который сокращает процесс тестирования до нескольких дней, сохраняя при этом высокий уровень точности.

"Цель этого исследования состояла в том, чтобы определить наименьший набор показателей из печени для прогнозирования токсичности и потенциального рака печени",-говорит Зейнеп Мадак-Эрдоган, доцент кафедры пищевых наук и питания человека Университета Калифорнии и ведущий автор исследования.

"В агрохимической промышленности есть конвейер, где они тестируют новые соединения с точки зрения конечных точек, связанных с токсичностью. Токсичность печени - одна из самых важных конечных точек, потому что печень-это орган, который получает кровоснабжение и очищает его, что делает ее одной из самых больших мишеней с точки зрения токсического воздействия на окружающую среду", - объясняет Мадак-Эрдоган.

Обычно компании делают это с помощью долгосрочных экспериментов на животных, добавляет она. Они отслеживают животных в течение года, чтобы увидеть, развивается ли у них рак печени после воздействия этих соединений. Исследования требуют тысяч мышей или крыс и много времени человека, заботящегося о животных, собирающего образцы и анализирующего данные.

Исследование, опубликованное в Научных отчетах, идентифицирует сигнатуру гена биомаркера,которая указывает на потенциальную токсичность печени всего через 24 часа после воздействия.

Мадак-Эрдоган и ее коллеги проанализировали информацию из большой базы данных, которую ведет Национальный Институт наук об охране окружающей среды. В сотрудничестве с учеными из Национального центра суперкомпьютерных приложений U of I (NCSA) они использовали подходы машинного обучения для идентификации генных биомаркеров в мессенджерной РНК для прогнозирования будущей токсичности.

"От разработки новых молекул до идентификации новых биологических мишеней подходы машинного обучения играют ключевую роль в ускорении идентификации и валидации лекарственных мишеней",-объясняет Колин Бушелл, директор управления инновационных программ здравоохранения NCSA и соавтор исследования.

Хотя это исследование не первое, в котором используются такие методы, оно является наиболее полным, говорит Мадак-Эрдоган. Исследователи использовали большой объем данных и множество методов машинного обучения, чтобы определить методы, которые обеспечивают наиболее быстрые и точные результаты.

"Мы оцениваем лучшие методы прогнозирования и находим лучшие показатели токсичности печени. Вместо того чтобы идти месяцами или годами, теперь мы можем просто лечить несколько мышей в течение 24 часов, собирать печень, смотреть на биомаркеры, которые мы идентифицировали, и предсказывать, будет ли у животного потенциально развиваться рак печени или нет", - объясняет она.

Результаты исследования могут быть широко использованы токсикологами и другими учеными, а также могут помочь агрохимической и фармацевтической промышленности улучшить свои возможности тестирования.

"Наши результаты показывают, что подходы машинного обучения, безусловно, очень ценны при анализе огромного количества биологических данных, которые мы создаем в нашей исследовательской деятельности. Сотрудничество между науками о жизни и компьютерными науками очень важно для этой работы",-заключает Мадак-Эрдоган.

ИСТОЧНИК