Uutiset

Tekoäly ennustaa luotettavasti, miten eri lääkeyhdistelmät tappavat syöpäsoluja

Suomessa kehitetyn koneoppimismenetelmän avulla syöpäsairauksia voitaisiin hoitaa nykyistä tehokkaammin.
Some medicine capsules and equations
Uutta koneoppimismenetelmää koulutettiin suurella datajoukolla, joka saatiin aiemmista lääkeaineiden ja syöpäsolujen välistä yhteyttä selvittäneistä tutkimuksista. Kuvitus: Matti Ahlgren / Aalto-yliopisto

Eri lääkkeiden yhdistäminen on usein tehokkain ja turvallisin tapa hoitaa syöpäpotilaita. Nyt Aalto-yliopiston, Helsingin yliopiston ja Turun yliopiston tutkijat ovat kehittäneet  koneoppimismenetelmän, joka ennustaa tarkasti, miten erilaisten lääkkeiden yhdistelmät tappavat syöpäsoluja.

Pitkälle edenneen syövän hoidossa erilaisten hoitomenetelmien yhdistäminen on yleensä välttämätöntä. Syöpäleikkauksen lisäksi potilasta hoidetaan usein sädehoidolla, lääkehoidolla tai molemmilla.  Eri lääkkeitä myös yhdistetään niin, että yhdistelmässä olisi mukana eri soluihin eri tavoin vaikuttavia lääkeaineita.

Yhdistäminen paitsi parantaa hoidon tehoa myös vähentää usein sen haittoja, jos yksittäisten lääkkeiden annostusta pystytään pienentämään. Toimivien lääkeaineyhdistelmien seulominen kokeellisesti on kuitenkin hidasta ja kallista. Siksi yhdistelmähoidon edut jäävät usein saavuttamatta.

Uutta koneoppimismenetelmää koulutettiin suurella datajoukolla, joka saatiin aiemmista lääkeaineiden ja syöpäsolujen välistä yhteyttä selvittäneistä tutkimuksista. Arvostetussa Nature Communications -tiedelehdessä julkaistut tutkimustulokset kertovat, että malli löysi lääkkeiden ja syöpäsolujen väliltä sellaisia yhteyksiä, joita ei havaittu yksinkertaisemmilla malleilla. 

”Koneen oppima malli on itse asiassa koulumatematiikasta tuttu polynomifunktio, mutta erittäin monimutkainen sellainen. Malli antaa erittäin tarkkoja tuloksia. Esimerkiksi niin kutsutun korrelaatiokertoimen arvot olivat kokeissamme yli 0,9. Se viittaa erinomaiseen luotettavuuteen”, Aalto-yliopiston professori Juho Rousu kertoo.

Kokeellisissa mittauksissa korrelaatiokerrointa 0,8-0,9 pidetään luotettavana. Usein se jää kuitenkin niissä sen alle.

Hyötyä myös muiden sairauksien hoidossa

Menetelmä ennustaa tarkasti, miten tietty lääkeaineyhdistelmä tuhoaa syöpäsoluja, vaikka juuri sen yhdistelmän vaikutusta kyseiseen syöpätyyppiin ei olisi aiemmissa laboratorio tutkimuksissa testattu. 

”Tämä auttaa syöpätutkijoita valitsemaan, mitä lääkeaineyhdistelmiä kannattaa valita tuhansien vaihtoehtojen joukosta jatkotutkimuksiin”, sanoo tutkija Tero Aittokallio Suomen molekyylilääketieteen instituutista FIMMistä, joka on osa Helsingin yliopistoa.

Samaa menetelmää voitaisiin hyödyntää myös muiden kuin syöpäsairauksien kohdalla. Tällöin malli täytyisi opettaa uudelleen datalla, joka liittyy kyseiseen sairauteen. Menetelmällä voitaisiin tutkia esimerkiksi sitä, miten eri antibioottiyhdistelmät vaikuttavat bakteeritulehduksiin tai miten tehokkaasti eri lääkeaineyhdistelmät tappavat soluja, joihin SARS-Cov-2-koronavirus on hyökännyt.

Julkaisu:

Heli Julkunen, Anna Cichonska, Prson Gautam, Sandor Szedmak, Jane Douat, Tapio Pahikkala, Tero Aittokallio, and Juho Rousu. Leveraging multiway interactions for systematic prediction of pre-clinical drug combination effects. Nature Communications. DOI: 10.1038/s41467-020-19950-z

Lisätietoja:

Heli Julkunen
Projektitutkija, Aalto-yliopisto
[email protected]

Juho Rousu
Professori, Aalto-yliopisto
Suomen tekoälykeskus FCAI
puh. 050 415 1702
[email protected]

Tero Aittokallio
Ryhmänjohtaja, Suomen molekyylilääketieteen instituutti FIMM
Helsingin yliopisto
[email protected]

Linkki tutkimusartikkeliin: https://www.nature.com/articles/s41467-020-19950-z

Lue lisää

Finnish Center for Artificial Intelligence

Suomen tekoälykeskus FCAI (ulkoinen linkki)

Tekoälyn tutkimuksen ja kehittämisen keskus.

  • Julkaistu:
  • Päivitetty:

Lue lisää uutisia

Kuva: Tima Miroschnichenko, Pexels.
Mediatiedotteet Julkaistu:

Tutkimus: Matalan hierarkian organisaatioissa isoja periaatekysymyksiäkin ratkotaan porukalla Slackissa

Aalto-yliopiston alumni, vieraileva tutkijatohtori Lauri Pietinalho New Yorkin yliopiston Sternin kauppakorkeakoulusta ja Aalto-yliopiston apulaisprofessori Frank Martela selvittivät tuoreessa tutkimuksessa, miten matalan hierarkian organisaatiot käsittelevät yhteisiä toimintaperiaatteita vastakkainasettelutilanteissa ja miten auktoriteetti niissä toimii.
bakteereja ohjataan magneettikentän avulla
Mediatiedotteet, Tutkimus ja taide Julkaistu:

Fyysikot saivat bakteerit uimaan lähes täydellisissä riveissä

Bakteerien ohjaaminen onnistui magneettikentän avulla. Löytö auttaa ymmärtämään bakteeripopulaatioiden käyttäytymistä ja voi jatkossa auttaa esimerkiksi kehittämään uuden sukupolven materiaaleja, joista kaavaillaan apua muun muassa lääkkeiden kohdennettuun kuljettamiseen kehon sisällä.
2020 rajanylitykset pohjoismaissa
Mediatiedotteet, Tutkimus ja taide Julkaistu:

Tutkijat loivat ainutlaatuisen ennustemallin kuvaamaan pandemian leviämistä maiden rajojen yli

Pohjoismainen yhteishanke pureutui koronaviruksen leviämiseen vuonna 2020. Tutkimuksen avulla voidaan jatkossa ennakoida paremmin, milloin ja mitkä matkustusrajoitukset ovat pandemiaolosuhteissa tarkoituksenmukaisia.
Kuvassa näkyvät Kauppakorkeakoulun opiskelijat Liina Röyskö ja Kerttu Lammi koulun pääovien edustalla.
Opinnot Julkaistu:

Tekoälyn fiksua käyttöä opettava verkkokurssi lisäisi opiskelun tasa-arvoa

Tekoäly on tullut jäädäkseen ja sen osaava ja tehokas hyödyntäminen auttaisi sekä opinnoissa että työnhaussa, sanovat Kauppakorkeakoulun opiskelijat.