Niemcy odkryli 165 genów odpowiedzialnych za raka. I mają narzędzie do odkrycia kolejnych

Nowotwór to nic innego jak mutacja komórek, która wymyka się spod kontroli za sprawą zaburzenia sygnałów kontrolnych, odpowiadających za wzrost danej komórki lub komórek. Takie zakłócenie powoduje ich niekontrolowany wzrost, którego następstwem - w przypadku nowotworów złośliwych - jest przedostanie się zmutowanych i źle funkcjonujących komórek do innych części naszego organizmu. Tam namnażają się dalej, zaburzając tym samym działanie coraz większej liczby naszych narządów.

Ten nieograniczony wzrost powodowany jest zazwyczaj zmianami genetycznymi w naszym DNA, w poszczególnych genach, odpowiedzialnych właśnie za wzrost danego rodzaju komórki. Algorytm opracowany przez niemieckich naukowców zidentyfikował 165 nieznanych wcześniej genów, których uszkodzenie może prowadzić do powstania nowotworów. Wszystkie nowo zidentyfikowane geny ściśle oddziałują z dobrze znanymi wcześniej genami, których uszkodzenie prowadzi do nowotworów i mają kluczowe znaczenie dla przeżycia komórek nowotworowych. Przynajmniej jeśli chodzi o eksperymenty prowadzone na komórkach hodowanych w laboratorium.

Algorytm zdaniem jego twórców może wyjaśnić również zależności w maszynerii komórek, które sprawiają, że dany gen staje się genem raka. Oprogramowanie integruje dziesiątki tysięcy zestawów danych wygenerowanych na podstawie próbek uzyskanych od pacjentów. Zawierają one informacje o metylacji DNA, aktywności poszczególnych genów i interakcjach białek na szlakach komórkowych, a także dane dot. sekwencji danych mutacji. Analizując tak bogatą bazę informacji, algorytm jest w stanie wykrywać wzorce i zasady molekularne, których anomalie prowadzą do powstawania nowotworów.

W przeciwieństwie do konwencjonalnych metod leczenia raka, takich jak chemioterapia, terapia spersonalizowana polega na precyzyjnym dostosowaniu leków do rodzaju guza.

Zastosowanie algorytmu nie musi ograniczać się też do wyszukiwania genów odpowiedzialnych za powstawanie nowotworów. Naukowcy twierdzą, że teoretycznie można go wykorzystać do integracji różnych zestawów danych biologicznych i znalezienia tam innych wzorców.