Ein interdisziplinäres Forschungsteam aus Biomedizinern und Informatikerinnen der Eidgenössischen Technischen Hochschule Zürich (ETH), der Universität Zürich (UZH) und des Universitätsspitals Zürich (USZ) hat einen neuartigen Ansatz entwickelt, der die Grundlage für gezieltere und personalisierte Behandlungen etwa bei Krebs bilden kann. Dafür kombinieren die Wissenschaftlerinnen und Wissenschaftler Maschinelles Lernen mit der mathematischen Theorie des Optimalen Transports (OT).
„Die Vielfalt in einer Zellpopulation hat einen grossen Einfluss darauf, wie empfindlich oder resistent Zellen auf Störungen reagieren“, erklärt Gunnar Rätsch, Professor für Biomedizininformatik an der ETH und am USZ, in einem Artikel der ETH. „Anstatt sich auf Durchschnittswerte einer ganzen Zellpopulation zu stützen, kann unsere Methode genau beschreiben und sogar vorhersagen, wie die einzelnen Zellen auf eine Störung wie zum Beispiel durch einen Wirkstoff reagieren.“ In ihrer soeben publizierten Studie weisen die Forschenden nach, dass ihre Methode nicht nur bei Krebszellen, sondern auch bei anderen krankmachenden Zellen funktioniert, etwa bei der Autoimmunerkrankung Lupus Erythematodes.
Die neue Vorhersagemethode trägt den Namen CellOT und ist den Angaben zufolge der erste Ansatz, der mittels Optimalem Transport und Maschinellem Lernen die Störungsreaktionen von Zellen aus neuen Proben vorhersagen kann, auch für Zellen, deren Reaktionen noch nicht im Labor gemessen worden sind. „Klassische OT-Methoden lassen keine Vorhersagen ausserhalb der Stichprobe der Messdaten zu“, so Charlotte Bunne, eine von drei Studienhauptautoren. „Genau das kann CellOT.“ ce/mm
Weitere News
Kontaktieren Sie uns
Unsere Services sind kostenlos und beinhalten:
- Vermittlung von Schlüsselkontakten in Industrie, Wissenschaft und Verwaltung
- Beratung zu rechtlichen Rahmenbedingungen, Steuern, Arbeit, Markt und Unternehmensgründung
- Massgeschneiderte Besichtigungen, einschließlich Büro- und Co-Working-Space