Data-analyysi osoittaa, etteivät genomiset biomarkkerit selitä syövän syntyä
Apulaisprofessori Frank Emmert-Streibin johtama tutkimusryhmä tutkii prognostisten biomarkkereiden – eli aktiivisten geenijoukkojen vakiintuneiden markkereiden – ennustavuutta ja biologista hyödyllisyyttä. He tekivät äskettäin laajamittaisia geenien ilmentymisanalyysejä 80 vakiintuneesta rinta- ja eturauhassyövän merkkiaineesta ja havaitsivat, että vaikka nämä biomarkkerit pystyvät ennustamaan syövän lopputuloksen, ne eivät tavoita biologisia merkityksiä.
Tulos on tärkeä, koska yleisesti uskotaan, että sen lisäksi että ennustavat biomarkkerit ennustavat potilaiden sairauden etenemistä, ne antavat myös arvokasta tietoa tautimekanismeista ja taudin aiheuttavista molekylaarisista prosesseista. Tutkimusryhmän analyysit osoittivat, että näin ei ole.
– Tutkimme rinta- ja eturauhassyövän genomisia biomarkkereita. Havaitsemamme ongelma liittyy jo vakiintuneiden ennustavien geenien ilmentymisen biologiseen merkitykseen. Yksinkertaisesti sanottuna prognostiset markkerit eivät tarjoa järkevää biologista tietoa ja molekylaarisia selityksiä taustalla olevasta sairaudesta, Emmert-Streib selittää.
Yleisesti ottaen ennustavilla biomarkkereilla voi olla tärkeä rooli kliinisessä työssä, koska ne mahdollistavat potilaiden erittelyn sairauden ennustettavuuden mukaan. Tunnettuja esteitä tällaisten markkereiden kehittämiselle ovat muun muassa se, että ne eivät ole riittävän luotettavia silloin kun käytetään erilaisia tietoaineistoja, ja samankaltaisten merkkiaineiden välillä on vain vähän yhteneväisyyksiä.
Edellä esitetyt tulokset paljastavat uuden ja perustavanlaatuisen ongelman, joka voi johtaa lääketieteellisen genomipohjaisen tutkimuksen tutkimusparadigman muutokseen, millä olisi merkittäviä vaikutuksia diagnostiikkaan ja ennustavuuteen.
– Kehystämme voidaan soveltaa kaikkiin korkeaulotteiseen dataan perustuviin biomarkkeritutkimuksiin. Se estää tekemästä vääriä johtopäätöksiä markkereiden biologisesta merkityksestä, Emmert-Streib lisää.
Onko mallien selittävyydelle olemassa yleisiä rajoja?
Käsitteellisellä tasolla edellä esitetty analyysi koskee piirteiden valintaa korkeaulotteisesta datasta. Tekoälyn (AI) näkökulmasta biologinen hyödyllisyys merkitsisi selitettävissä olevaa mallia, joita tutkitaan parhaillaan intensiivisesti kaikilla tieteenaloilla.
Emmer-Streibin mukaan syövän etenemistä ennustavien biomarkkereiden tutkiminen on tärkeää myös muista syistä.
– Ensinnäkin tutkimus selventää biomarkkerien/ominaisuuksien hyödyllisyyttä. Toiseksi se voi johtaa uusiin oivalluksiin sairauksien eroista, koska voimme olettaa, että tuloksemme ovat sairauskohtaisia. Kolmanneksi analyysi voi paljastaa selitettävien mallien yleisen ominaisuuden, hän sanoo.
Tutkijat etsivät vastausta siihen, mitkä ominaisuudet tekevät mallista selitettävän. Vaikka he tutkivat biolääketieteellisistä kokeista saatuja tietoja, he uskovat tulostensa olevan tärkeitä selittäville tekoälymalleille myös yleisesti.
Tiedeartikkeli Are There Limits in Explainability of Prognostic Biomarkers? Scrutinizing Biological Utility of Established Signatures julkaistiin MDPI Cancers -julkaisussa ja Prognostic gene expression signatures of breast cancer are lacking a sensible biological meaning Nature-julkaisussa.
Lue Kalifa Manjangin väitöskirjaan liittyvä englanninkielinen tiedote Analysis of prognostic Gene expression Signatures of Breast and Prostate Cancer.
Tutkimuksen yhteistyökumppanit ovat Olli Yli-Harja ja Anssi Auvinen Tampereen yliopiston lääketieteen ja terveysteknologian tiedekunta, Matthias Dehmer Die Fernfachhochschule Schweiz (FFHS), Sveitsi, Shailesh Tripath FH Oberösterreich, Itävalta sekä Galina Glazko University of Arkansas for Medical Sciences, Yhdysvallat.
Lisätiedot
Frank Emmert-Streib
050 301 5353
frank.emmert-streib [at] tuni.fi
