机器学习的进步有助于对付癌症

食品研究所开发了一种新技术，这有助于了解表观遗传痕迹如何涉及发展癌症的风险。

表观遗传标记是对我们基因组的改变，它不会改变基因本身，但会影响它们是开启还是关闭。它们与患包括癌症在内的疾病的风险增加有关，并受到饮食和其他环境因素的影响。

出于这个原因，表观遗传学已经很好地研究，地映射标记发生并使用这些信息以更好地理解疾病发作的基因组中的地点。但是有不同类型的表观遗传标记，它们发生在整个基因组上的数千位点，因此了解其重要性依赖于使用数学技术。

其中一种技术就是机器学习。这涉及到在一组训练数据中寻找模式，并使用这些模式来生成预测独立数据的模型。

现在,机器学习由生物技术和生物科学研究委员会战略资助的食品研究所的托马斯·威廉博士改进。他的方法不是从训练数据中开发一个模型，而是开发数百个不同的模型，并将这些模型应用到独立的、看不见的数据中，看看哪些模型在预测结果的能力方面效果最好。这避免了模型对特定训练数据集的“过拟合”。

新技术可以应用于许多不同的情况，但Wilhelm博士将其应用于宫颈癌的表观遗传数据。每年英国的宫颈癌筛查数百万妇女，患有3,000多次诊断出该病症。全世界每年都会导致400,000人死亡。这人乳头瘤病毒（HPV）是宫颈癌的主要原因，但并非每个受感染它都会发生癌症的女性。表观遗传学，特别是DNA甲基化标志物与癌症发作相关。Wilhelm博士在开发宫颈癌的各个阶段使用公开可用的案例控制DNA甲基化数据，以寻找表明对该病症的易感性的模式。

“我们看到了DNA甲基化标记的清晰模式，这些标记可以预测癌症的发展子宫颈癌“威廉博士博士说，”有趣的是，即使在没有被感染HPV的女性中，这种模式仍然预测了这种情况的发展。“

新方法明显优于以前分析数据模式的尝试。通过使用更大的数据集和从人类基因组中观察更多的表观遗传标记，还有改进的潜力。

威廉博士已经开始开展新的协作项目，为HPV感染妇女进行进一步治疗的临床试验。正在开发出关于肠和前列腺癌的风险预测的更多项目。

这种新方法也为我们了解疾病开辟了新的研究途径。这项研究的一项发现似乎表明，表观遗传模式实际上与HPV感染本身的易感性相关联。Wilhelm博士现在正在寻求与病毒学家合作，以跟进这种新理论，并揭示了表观遗传学和病毒易感性之间的联系的更多证据。

---

---