您现在的位置是:首页 >新闻频道 > 新闻 > 2019-11-22 14:56:34

数学揭示疾病如何发展以及细菌如何产生耐药性

帝国理工大学和卑尔根大学的科学家们发现了一种新的方法来预测个体患者的疾病发展趋势。

这可以帮助患者在疾病发展过程中尽早接受更有针对性的治疗。

同一疾病在不同患者中的进展通常差异很大。理解这种差异性对于精密医学非常重要,在精密医学中,将根据各个患者的详细知识来设计最佳靶向治疗。

然而,学习各种疾病的途径并用它们来预测未来的结果具有挑战性。人类研究人员不能希望记住或分析足够多的患者数据示例来提供最可靠的图像。

在这项新研究中,该团队使用了一种称为HyperTraPS的算法,该算法使用了来自数百名或数千名患者的许多患者的生物医学数据,以建立疾病随时间变化的不同途径的路线图。

不同的疾病分支

领导该项目的挪威卑尔根大学的Iain Johnston博士说:“为一条分支成宽阔三角洲的河流拍照。病人开始健康-在河的上游-随着疾病发展,他们获得更多症状。

“ HyperTraPS从数据中了解河流三角洲的结构,并预测或多或少可能出现的河道分支,而且重要的是,如果您目前处于特定点,您将到达何处。”

通过了解疾病进展的这些分支模式,HyperTraPS可以根据数千名冈比亚儿童的数据,为疟疾提供完善的风险评估。该方法还揭示了卵巢癌进展的多种途径,其中首先发生的突变似乎在确定随后的突变中起重要作用。

利用大数据回答生物医学问题

现任Imperial的ITMAT数据科学小组的合著者Sam Greenbury博士说:“我们的方法特别具有通用性。HyperTraPS可以了解可以观察到功能存在或不存在的任何系统的行为。

“这对于跟踪疾病标记,了解生物进化和随着时间推移而发生的其他过程非常有用。我们可以使用数量不断增长的大数据来产生对一系列生物医学问题的新见解。”

研究小组利用这种普遍性来探索另一个医学上重要的问题-结核病如何演变成对抗生素具有抗药性。

结核病通过突变获得耐药性,HyperTraPS揭示了一组1000名俄罗斯患者报告的结核菌中这些突变的模式。这些模式有助于预测细菌下一步将获得哪种突变,因此对于给定的病例,哪种药物可能更有效。

进行性疾病,衰老和进化

HyperTraPS是由帝国理工学院数学系的EPSRC精确医疗数学中心(CMPH)和艾伦·图灵研究所开发的。

帝国理工大学数学系CMPH的研究负责人之一,研究合著者Mauricio Barahona教授说:“这是一个例子,说明数学可以如何在一个共同的视角下帮助我们解决看似不同的问题。我们通常面对这样的情况,我们拥有一个个体种群的快照,每个个体都处于过程的不同阶段。

“我们的方法使我们能够建立导致观察的可能途径。这种方法不仅适用于进行性疾病和抗生素耐药性的出现,而且还广泛应用于依次获得特征的其他过程。”

该团队现在正在使用HyperTraPS来了解其他进行性疾病,衰老和进化,甚至分析学生如何完成在线课程中的任务。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。

相关文章