Onderzoekers van de Universiteit van Navarra hebben RNACOREX ontwikkeld, een nieuwe open-source softwaretool die helpt bij het blootleggen van de complexe genetische netwerken die kanker aansturen. RNACOREX is ontworpen om regulerende interacties tussen moleculen zoals microRNA's (miRNA's) en boodschapper-RNA (mRNA) te identificeren en biedt nieuwe mogelijkheden voor overlevingsanalyse van kanker en precisie-oncologie.
De software is ontwikkeld door wetenschappers van het Institute of Data Science and Artificial Intelligence (DATAI), onderdeel van het Cancer Centre Clínica Universidad de Navarra, en gevalideerd met behulp van gegevens van 13 tumortypen die zijn opgenomen in The Cancer Genome Atlas (TCGA). De studie waarin RNACOREX wordt beschreven, is gepubliceerd in PLOS Computational Biology.
Van big data naar interpreteerbare biologie
Modern kankeronderzoek genereert enorme hoeveelheden genomische gegevens, maar het blijft een uitdaging om die gegevens te vertalen naar klinisch relevante inzichten. Conventionele analytische benaderingen missen vaak subtiele maar cruciale moleculaire interacties of leveren resultaten op die moeilijk te interpreteren zijn.
RNACOREX vult deze leemte door duizenden moleculen tegelijk te analyseren en de biologisch meest relevante miRNA-mRNA-interacties te rangschikken. Door gecureerde internationale databases te integreren met echte genexpressiegegevens, bouwt de software steeds complexere regulerende netwerken die weergeven hoe genen binnen tumoren op elkaar inwerken.
Volgens Rubén Armañanzas, hoofd van het Digital Medicine Laboratory van DATAI en een van de hoofdauteurs van de studie, is het essentieel om deze netwerken te begrijpen. “De verstoring van de regulerende communicatie tussen moleculen is een kenmerk van kanker. RNACOREX helpt bij het onderscheiden van zinvolle biologische signalen van ruis, iets wat met bestaande tools notoir moeilijk was”, legt hij uit.
Voorspellende kracht met transparantie
Om de prestaties te evalueren, paste het onderzoeksteam RNACOREX toe op genomische en klinische gegevens van kankers, waaronder borst-, darm-, long-, maag-, melanoom- en hoofd-halstumoren. De resultaten toonden aan dat RNACOREX de overlevingskansen van patiënten kan voorspellen met een nauwkeurigheid die vergelijkbaar is met geavanceerde AI-modellen.
Het belangrijkste verschil ligt echter in de verklaarbaarheid. “Veel AI-systemen functioneren als black boxes”, zegt eerste auteur Aitor Oviedo-Madrid. “RNACOREX levert vergelijkbare voorspellende prestaties, maar biedt ook duidelijke, interpreteerbare verklaringen over welke moleculaire interacties aan die voorspellingen ten grondslag liggen.”
Naast het voorspellen van de overlevingskansen identificeert de tool regulerende netwerken die verband houden met klinische resultaten, onthult het moleculaire patronen die verschillende tumortypen gemeen hebben en belicht het individuele moleculen die van bijzonder diagnostisch of therapeutisch belang kunnen zijn. Dit maakt RNACOREX niet alleen waardevol voor datawetenschappers, maar ook voor clinici en biomedische onderzoekers die op zoek zijn naar bruikbare inzichten.
Klaar voor de toekomst
RNACOREX is gratis beschikbaar als open-source software via GitHub en de Python Package Index (PyPI). Het omvat geautomatiseerde databasedownloads om de implementatie in onderzoeksomgevingen te vereenvoudigen, waardoor de drempels voor acceptatie worden verlaagd.
Naarmate het gebruik van AI en omics-gegevens in de gezondheidszorg toeneemt, positioneren de ontwikkelaars RNACOREX als een transparant alternatief voor ondoorzichtige machine learning-modellen. De lopende ontwikkeling aan de Universiteit van Navarra omvat het toevoegen van pathway-analyse en extra interactielagen om de biologische interpreteerbaarheid verder te verbeteren.
Het project weerspiegelt een bredere trend naar interdisciplinaire samenwerking, waarbij biogeneeskunde, kunstmatige intelligentie en datawetenschap worden gecombineerd om gepersonaliseerde en precisiekankerzorg te bevorderen.
Open source AI
Vorige maand presenteerden onderzoekers van de Technische Universiteit Eindhoven (TU/e) een door hen ontwikkeld innovatief medisch AI-basismodel dat artsen ondersteunt bij het sneller en nauwkeuriger herkennen van afwijkingen op CT-scans. Dit kan bijdragen aan eerdere diagnoses, onder meer bij kanker. Het zogenoemde foundation model is getraind op meer dan 250.000 CT-scans en maakt als eerste gebruik van de rekenkracht van supercomputer SPIKE-1 van de TU/e.
Het model, ontwikkeld onder leiding van dr. Fons van der Sommen, leert met behulp van self-supervised learning zelfstandig verbanden tussen beelden en teksten, zonder handmatige labeling. Hierdoor vormt het een flexibel fundament waarop ziekenhuizen, universiteiten en bedrijven hun eigen medische AI-toepassingen kunnen bouwen.
De TU/e stelt het model open source beschikbaar om innovatie in de zorg te versnellen en de drempel voor instellingen met beperkte data of middelen te verlagen. Training was alleen mogelijk dankzij SPIKE-1, die duizenden grote CT-beelden gelijktijdig kan verwerken. Het project laat zien hoe open, schaalbare AI-modellen de medische beeldvorming en uiteindelijk de patiëntenzorg kunnen verbeteren.
