图:LipiTUM研究小组负责人Josch Konstantin pauling博士(左)和博士生Nikolai K?hler(右)使用新开发的网络解释与疾病相关的脂质代谢变化。
现在医生根据症状来定义和诊断大多数疾病。然而，这并不一定意味着症状相似的患者的疾病会有相同的原因或表现出相同的分子变化。在生物医学中，人们经常谈到疾病的分子机制。这是指发病时基因、蛋白质或代谢途径调控的变化。分层医学的目标是在分子水平上将患者分为不同亚型，以便提供更有针对性的治疗。
为了从大量患者数据中提取疾病亚型，新的机器学习算法可以提供帮助。它们被设计用来独立识别广泛的临床测量的模式和相关性。由实验生物信息学主席Josch Konstantin pauling博士领导的LipiTUM初级研究小组为此开发了一种算法。
复杂的分析通过自动化web工具
他们的方法结合了现有算法的结果，以获得更精确和稳健的临床亚型预测。这结合了各算法的特点和优点，避免了耗时的调整。“这使得在临床研究中应用分析更加容易，”鲍林博士报告说。“因此，我们开发了一种基于网络的工具，允许从业者在没有生物信息学知识的情况下在线分析分子临床数据。”
在该网站(https://exbio.wzw.tum.de/mosbi/)上，研究人员可以提交他们的数据进行自动分析，并使用结果来解释他们的研究。“对我们来说，另一个重要的方面是结果的可视化。以往的研究方法无法对患者群体、临床因素和分子特征之间的关系产生直观的可视化。这将随着我们的MoSBi工具产生的基于网络的可视化而改变，”TUM生命科学学院的科学家蒂姆·罗斯(Tim Rose)说。MoSBi是“使用bicluster的分子签名”的缩写。“bicluster”是该算法使用的技术名称。
临床相关问题的应用
例如，有了这个工具，研究人员现在可以展示来自癌症研究和各种场景模拟的数据。他们已经在大规模临床研究中展示了这种方法的潜力。在一项与来自德累斯顿马克斯普朗克研究所、德累斯顿技术大学和基尔大学诊所的研究人员进行的合作研究中，他们研究了非酒精性脂肪性肝病(NAFLD)患者肝脏中脂质代谢的变化。
这种广泛传播的疾病与肥胖和糖尿病有关。它从脂质沉积在肝细胞中的非酒精性脂肪肝(NAFL)发展到肝脏进一步发炎的非酒精性脂肪性肝炎(NASH)，再发展到肝硬化和肿瘤的形成。除了调整饮食外，迄今为止还没有发现任何治疗方法。由于该疾病的特征和诊断是通过肝脏中各种脂质的积累，所以了解它们的分子组成很重要。
肝脏疾病的生物标志物
使用MoSBi方法，研究人员能够在分子水平上证明NAFL期患者肝脏的异质性。“从分子角度来看，许多NAFL患者的肝细胞几乎与NASH患者相同，而其他患者在很大程度上仍与健康患者相似。我们也可以使用临床数据来证实我们的预测，”鲍林博士说。“然后，我们能够确定两种潜在的疾病进展的脂质生物标志物。”这对于早期识别疾病及其进展和开发靶向治疗非常重要。
该研究小组已经在进一步应用他们的方法，以更好地了解其他疾病。“在未来，算法将在生物医学研究中发挥比现在更大的作用。它们可以显著地使发现复杂机制和找到更有针对性的治疗方法变得更容易，”鲍林博士说。
MoSBi: Automated signature mining for molecular stratification and subtyping.