TOKYO, 07 maart 2022 – (JCN Newswire) – Fujitsu en de Tokyo Medical and Dental University (TMDU) hebben vandaag een nieuwe technologie aangekondigd die AI gebruikt om nieuwe causale mechanismen van resistentie tegen geneesmiddelen bij kankerbehandelingen te ontdekken op basis van klinische gegevens. Door gebruik te maken van 's werelds snelste supercomputer 'Fugaku'(1), maakt de nieuwe technologie snelle berekening van 20,000 gegevensvariabelen binnen een enkele dag mogelijk en maakt het de ontdekking mogelijk van voorheen onbekende causale verbanden met betrekking tot geneesmiddelresistentie in kankercellen van 1,000 biljoen verschillende mogelijkheden.
 |
Fujitsu en TMDU hebben deze technologie toegepast op gegevens op genexpressieniveau(2) die zijn verkregen uit kankercellijnen om de resistentie tegen geneesmiddelen (3) tegen kankermedicijnen te analyseren, en zijn erin geslaagd een nieuw causaal mechanisme te extraheren van een voorheen onbekend gen dat een oorzaak suggereert van resistentie tegen geneesmiddelen tegen longkanker. De nieuwe technologie zal naar verwachting bijdragen aan de versnelling van de ontdekking van geneesmiddelen en de realisatie van kankertherapieën die voor elke patiënt zijn geïndividualiseerd.
De technologie is ontwikkeld onder het thema "opheldering van de oorzaak en diversiteit van kanker met behulp van grootschalige data-analyse en AI-technologie", een initiatief ondersteund door TMDU, Kyoto University en Fujitsu als onderdeel van het supercomputer Fugaku prestatieversnellingsprogramma (4) .
Achtergrond
Zelfs als een patiënt een gerichte therapie met kankermedicatie (5) krijgt, vormt het verschijnen van resistente kankercellen een voortdurende bedreiging voor volledige remissie. Het mechanisme voor hoe bepaalde kankers resistent worden tegen geneesmiddelen, blijft echter onduidelijk, en onderzoekers blijven werken aan nieuwe analysemethoden die licht werpen op hoe cellen met meerdere drivermutaties (6) resistentie tegen geneesmiddelen verwerven. Bij de ontwikkeling van geneesmiddelen en klinische onderzoeken met herpositionering van geneesmiddelen (7), is het belangrijk om patiënten te identificeren bij wie geneesmiddelen naar verwachting effect zullen hebben. De effectiviteit van geneesmiddelen kan echter verschillen, afhankelijk van het orgaan en het individu en variaties in genexpressie, en het aantal patronen dat expressieniveaus van meerdere genen combineert, is meer dan 1,000 biljoen (8). Een uitgebreide zoektocht naar alle 20,000 genen in het menselijk genoom zou dus meer dan 4,000 jaar duren met een conventionele computer en het vinden van manieren om het proces te versnellen vormt een grote uitdaging.
Nieuw ontwikkelde technologie
Fujitsu implementeerde parallelle conditionele en causale algoritmen om de rekenprestaties te maximaliseren met de supercomputer Fugaku om het menselijk genoom te analyseren binnen een tijdsbestek dat nodig is voor praktisch onderzoek. Door gebruik te maken van Fujitsu's "Wide Learning"(9) AI-technologie om combinaties van potentiële genen met betrekking tot het ontstaan van resistentie tegen geneesmiddelen te extraheren op basis van statistische informatie, ontwikkelde Fujitsu een nieuwe technologie die het mogelijk maakt om binnen een dag een uitgebreide zoektocht uit te voeren.
Resultaten
Als resultaat van het uitvoeren van gegevens van de Dependency Map (DepMap)(10)-portal met behulp van deze technologie op de supercomputer Fugaku, waren Fujitsu en TMDU in staat om binnen één dag het hele menselijke genoom te doorzoeken op voorwaarden en causaliteit en de genen te bepalen die resistentie tegen geneesmiddelen die worden gebruikt om longkanker te behandelen(11).
Commentaar van Prof. Seiji Ogawa, Graduate School of Medicine, Universiteit van Kyoto
Veelbelovende technologieën zoals Fujitsu's AI-technologie voor wetenschappelijke ontdekking ("Wide Learning") kunnen ooit bijdragen aan de ontdekking van biomarkers, die een gebied van groeiende interesse in de ontwikkeling van geneesmiddelen vertegenwoordigen. De sleutel tot het succes van de ontwikkeling van nieuwe geneesmiddelen is het identificeren van patiënten die naar verwachting zullen profiteren van nieuwe geneesmiddelen en het uitvoeren van klinische proeven. Als de marker bekend is die voorspelt wie baat zal hebben bij het medicijn, kunnen de kosten van klinische onderzoeken aanzienlijk worden verlaagd en kan de kans op succes door het uitvoeren van individuele klinische onderzoeken worden vergroot. Vanuit dit oogpunt wordt verwacht dat farmaceutische fabrikanten en anderen zeer geïnteresseerd zullen zijn in deze technologie. Het feit dat het is geïmplementeerd met behulp van Fugaku, heeft ook de verwachtingen gewekt.
Toekomstige plannen
In de toekomst zullen Fujitsu en TMDU een meerlagige en uitgebreide analyse uitvoeren die verschillende gegevens combineert, waaronder tijdas- en locatiegegevens, met als doel het medisch onderzoek te versnellen, ook op het gebied van de werkzaamheid van geneesmiddelen, en om licht te werpen op de oorzaken van kanker .
Fujitsu en TMDU zullen ook samenwerken in experimenteel onderzoek op het gebied van medicijnontdekking en medicijnen. TMDU zal de in dit onderzoek ontwikkelde technologie verder gebruiken om onderzoek naar strategieën voor hardnekkige ziekten zoals kanker te bevorderen.
Naast medische zorg zal Fujitsu de nieuwe technologie gebruiken om uitdagingen op verschillende gebieden op te lossen, waaronder marketing, systeembeheer en productie.
Danksagung
Dit onderzoek is uitgevoerd als onderdeel van het Fugaku Achievement Acceleration Program van het Ministerie van Onderwijs, Cultuur, Sport, Wetenschap en Technologie "De oorsprong en diversiteit van kanker begrijpen door middel van grootschalige gegevensanalyse en kunstmatige-intelligentietechnologieën" (JPMXP 1020200102). Een deel van het onderzoek is uitgevoerd met de computerbronnen van supercomputer Fugaku (Issue #: hp 200138, hp 210167).
(1) Supercomputer "Fugaku":
Een computer die bij RIKEN is geïnstalleerd als opvolger van de supercomputer "K." Van juni 2020 tot 3 november stond het 4 opeenvolgende jaren op de eerste plaats in 4 categorieën in de supercomputerranglijst. De volledige operatie begon op 9 maart 2021.
(2) Genexpressieniveau:
Hoeveelheid RNA gekopieerd van DNA (hetzelfde nucleïnezuur als DNA gesynthetiseerd door transcriptie met behulp van enkele DNA-sequenties als templates).
(3) Geneesmiddelresistentie:
Een fenomeen waarbij het effect van een medicijn verzwakt terwijl het medicijn wordt toegediend.
(4) Supercomputer Fugaku Prestatie Versnellingsprogramma:
Programma gestart in mei 2020 door het ministerie van Onderwijs, Cultuur, Sport, Wetenschap en Technologie met als doel vroegtijdige resultaten te boeken.
(5) Gericht medicijn:
Een medicijn dat is ontworpen om alleen in te werken op het molecuul (eiwit, gen, enz.) dat de ziekte veroorzaakt.
(6) Driver mutaties:
Een genetische mutatie die direct de ontwikkeling of progressie van kanker veroorzaakt.
(7) Herpositionering van medicijnen:
De toepassing van bestaande geneesmiddelen die zijn ontwikkeld en goedgekeurd voor de behandeling van de ene ziekte op de behandeling van een andere ziekte.
(8) Meer dan 1,000 biljoen:
Zelfs als het expressieniveau van elk gen beperkt is tot een combinatie van 50 belangrijke genen waarvan bekend is dat ze gerelateerd zijn aan kanker en het expressieniveau van elk gen wordt ingedeeld in 2 categorieën (bijv. "hoge" of "lage" genexpressie), conditienummer is 2 tot de macht 50, wat meer is dan 1,000 biljoen.
(9) Breed leren:
Officiële site "Hallo, breed leren!"
(10) Afhankelijkheidskaart (DepMap):
Gegevens over de gevoeligheid en resistentie van ongeveer 4,500 geneesmiddelen voor ongeveer 600 verschillende kankercellijnen, geleverd door het American Broad Institute. Mutatie-informatie van kankercellijnen en expressiegegevens van alle genen zijn inbegrepen.
(11) Fujitsu en TMDU analyseerden genexpressiegegevens van DepMap van ongeveer 300 kankercellijnen, gevoeligheids- en resistentiegegevens van Gefitinib (een moleculair gericht medicijn dat wordt gebruikt voor de behandeling van longkanker en andere soorten kanker), en zochten uitvoerig naar aandoeningen en mechanismen van kankercellijnen. lijnen die niet reageren op Gefitinib. Fujitsu en TMDU identificeerden omstandigheden waaronder de expressieniveaus van drie transcriptiefactoren (genen die co
ntrol-gentranscriptie (synthese van RNA)), ZNF516, E2F6 en EMX1 waren laag. In longkankercellijnen die aan deze voorwaarden voldoen, werd een mechanisme ontdekt dat wordt geactiveerd door de transcriptiefactoren SP7 en PRRX1 als verdere potentiële oorzaken van geneesmiddelresistentie in kankercellen (zie referentieafbeelding).
Over Fujitsu
Fujitsu is het toonaangevende Japanse bedrijf op het gebied van informatie- en communicatietechnologie (ICT) dat een volledig assortiment technologische producten, oplossingen en diensten aanbiedt. Ongeveer 126,000 Fujitsu-medewerkers ondersteunen klanten in meer dan 100 landen. We gebruiken onze ervaring en de kracht van ICT om samen met onze klanten de toekomst van de samenleving vorm te geven. Fujitsu Limited (TSE: 6702) rapporteerde een geconsolideerde omzet van 3.6 biljoen yen (US $ 34 miljard) voor het fiscale jaar dat eindigde op 31 maart 2021. Voor meer informatie, zie www.fujitsu.com.
Over Tokyo Medical and Dental University
Tokyo Medical and Dental University (TMDU) is de enige uitgebreide medische universiteit en graduate school van Japan, en heeft geavanceerde medische behandeling geboden door een fusie van de medische en tandheelkundige velden en heeft gewerkt aan het opleiden van 'professionals met kennis en menselijkheid'. TMDU draagt bij aan de menselijke gezondheid en het welzijn van de samenleving door uitstekende zorgprofessionals met een humane en mondiale kijk te stimuleren.
