生物学家的160小时 vs 人工智能的10分钟
阿尔法狗的高超棋艺让人们惊叹不已，其实，人工智能不仅能用于下棋，还能用来治病。近日，研究人员将全基因组测序与人工智能分析相结合，能够快速地鉴定出脑瘤样本中的可操作突变。
纽约基因组中心、洛克菲勒大学和IBM的研究人员近日通过集合检测和全基因组测序分析了一个胶质母细胞瘤样本。随后，生物信息学家、肿瘤学家以及IBM的Watson for Genomics共同分析了测序数据。
研究人员发现，与集合（panel）检测相比，全基因组测序发现了更多临床上可操作的突变，而通过Watson for Genomics开展分析，则节省了鉴定这些突变所花费的时间。这项研究成果于7月11日发表在《Neurology: Genetics》上。
这项研究的对象是一名76岁的胶质母细胞瘤患者。研究人员从他的身上采集了肿瘤和正常样本。一开始，他们利用Foundation Medicine的FoundationOne检测开展分析。同时，研究人员也开展了全基因组测序。利用Illumina的HiSeq X平台，他们对肿瘤样本（>75X）和正常样本（42X）进行深度测序，发现近8500个SNV和431个indel。
之后，生物信息学家和肿瘤学家评估了这些结果。他们发现6个可操作的SNV，具体在MET、FGFR3和PIK3R1基因中。研究人员注意到，MET中的缺失和扩增似乎导致MET过表达和外显子跳读。同时，他们也注意到PIK3R1中的插入，这个基因原本与PIK3CA相互作用并抑制它。不过，新的变异与PIK3CA结合但不抑制它。
总的来说，纽约基因组中心的分析表明，综合使用MET和PIK3CA抑制剂可治疗这名患者，并提到了一个临床试验，它正在评估这个组合。不过，这名患者的情况恶化，无法进入临床试验。在切除肿瘤8个月后，患者死亡。
研究人员指出，FoundationOne检测发现的可操作目标较少。测序发现了8个额外的变异。据介绍，FoundationOne可检测300多个癌症相关基因中的基因组改变，包括20多个在实体瘤中经常发生重排或改变的内含子。
此次，研究人员还使用了Watson for Genomics的beta版来分析测序数据。Watson for Genomics处理PubMed中的摘要或者全文，以及ClinicalTrials.gov中列出的临床试验，以确定癌症相关的变异和靶向治疗。
在这项研究中，Watson for Genomics发现了6个可操作的改变，其中5个与NYGC的分析重叠。与手动分析相似，它建议将BKM120作为潜在的治疗对象，以解决PIK3R1过表达，并指出两种药物（crizotinib和cabozantinib）可治疗MET扩增。
Watson for Genomics的优势在于更快提供结果。研究人员称，患者VCF文件的手动分析花了160个小时，而Watson for Genomics只在10分钟内就提供了结果。“如果测序离开研究领域，进入真实世界的临床领域，这将是至关重要的，”作者写道。
