Connu sous le nom de PIVOT, cet outil a été créé par un groupe de chercheurs dirigé par le professeur Raghunathan Rengaswamy, doyen (Engagement mondial) et professeur, Département de génie chimique, le Dr Karthik Raman ; Professeur agrégé, École de biosciences Bhupat et Jyoti Mehta et membre principal, Centre Robert Bosch pour la science des données et l’intelligence artificielle (RBCDSAI), et Mme Malvika Sudhakar, chercheuse, indique un communiqué officiel.
Comment fonctionne PIVOT ?
Le modèle de prédiction de l’IA a été conçu pour trois types de cancer différents, notamment le carcinome invasif du sein, l’adénocarcinome du côlon et l’adénocarcinome du poumon.
Lire: 10 grands dilemmes lorsqu’il s’agit de repérer les symptômes du COVID
Les chercheurs affirment que le mécanisme derrière la prédiction des gènes cancéreux est basé sur un modèle qui utilise des informations sur les mutations, l’expression des gènes et la variation du nombre de copies dans les gènes et les perturbations du réseau biologique dues à une expression génique altérée.
L’outil est basé sur un modèle d’apprentissage automatique qui classe les gènes en gènes suppresseurs de tumeurs, oncogènes ou gènes neutres. L’outil a pu prédire avec succès à la fois les oncogènes et les gènes suppresseurs de tumeurs existants comme TP53 et PIK3CA, entre autres, et les nouveaux gènes liés au cancer tels que PRKCA, SOX9 et PSMD4, selon un communiqué officiel de l’institut.
Le cancer est une croissance incontrôlée de cellules qui peut survenir en raison de mutations dans des oncogènes ou par des gènes suppresseurs de tumeurs ou les deux. Étant donné que toutes les mutations n’entraînent pas nécessairement un cancer, il est donc important d’identifier les gènes qui causent le cancer pour concevoir des stratégies personnalisées appropriées de traitement du cancer, ont déclaré les chercheurs.
“Bien qu’il existe des outils disponibles pour identifier les gènes du cancer personnalisés, ils utilisent l’apprentissage non supervisé et prédisent en fonction de la présence et de l’absence de mutations dans les gènes liés au cancer. Cette étude est cependant la première à utiliser l’apprentissage supervisé et prend en compte la fonction l’impact des mutations tout en faisant des prédictions », a déclaré l’institut.
L’équipe travaille également sur une liste de gènes cancérigènes personnalisés qui peuvent aider à identifier le médicament approprié pour les patients en fonction de leur profil de cancer personnalisé, ajoute l’institut.
