新工具揭示癌症内部的无形网络

RNACOREX 已发表在《PLOS Computational Biology》杂志上。它能够同时分析数千种生物分子，从而检测出传统分析方法经常遗漏的重要分子相互作用。通过生成清晰且可解释的分子“图谱”，该软件帮助研究人员更好地理解肿瘤的功能，并为探索驱动癌症进展的生物学过程提供了新途径。

解码癌症隐藏的遗传结构

在人体细胞内，不同类型的分子，如微小RNA (miRNA) 和信使RNA (mRNA)，通过高度复杂的调控网络进行“交流”。当这些网络功能失调时，就会发展出包括癌症在内的疾病。

DATAI 数字医学实验室负责人、研究的首席作者之一鲁本·阿尔马尼亚扎斯 (Rubén Armañanzas) 表示：“理解这些网络的结构对于检测、研究和分类不同类型的肿瘤至关重要。然而，由于可用数据量庞大、存在许多假信号，以及缺乏能够区分哪些分子相互作用与每种疾病真正相关​​的易于获取且精确的工具，可靠地识别这些网络是一项挑战。”

RNACOREX 的设计目标就是克服这些挑战。它整合了来自国际生物数据库的精选信息与真实世界的基因表达数据，对最具生物学意义的 miRNA-mRNA 相互作用进行排序。在此基础上，该软件逐步构建出更复杂的调控网络，这些网络也可以作为研究疾病行为的概率模型发挥作用。

以可解释的结果预测生存率

为了评估该工具的性能，研究团队利用来自国际癌症基因组图谱 (TCGA) 的数据，将 RNACOREX 应用于十三种不同癌症，包括乳腺癌、结肠癌、肺癌、胃癌、黑色素瘤以及头颈部肿瘤。

DATAI 数字医学实验室的研究人员、该研究的第一作者阿伊托尔·奥维耶多-马德里德 (Aitor Oviedo-Madrid) 表示：“该软件预测患者生存期的准确性与复杂的 AI 模型不相上下，但它具备许多这类系统所缺乏的优势：即对结果背后的分子相互作用提供清晰、可解释的解释。”

除了生存率预测之外，RNACOREX 还可以识别与临床结果相关的调控网络，检测跨多种肿瘤类型共享的分子模式，并突出显示具有重要生物医学意义的单个分子。这些见解可能有助于研究人员就肿瘤的生长和进展方式产生新的假设，同时也能指向有前景的未来诊断标志物或治疗靶点。奥维耶多-马德里德补充道：“我们的工具提供了一张可靠的分子‘地图’，有助于确定新的生物学靶点，从而加速癌症研究。”

一个不断扩展的开源平台

RNACOREX 作为开源程序，可免费在 GitHub 和 PyPI（Python 包索引）上获取。它包含用于下载数据库的自动化工具，使实验室和研究机构更容易将该软件集成到其工作流程中。该项目获得了纳瓦拉政府 (ANDIA 2021 计划) 和 ERA PerMed JTC2022 PORTRAIT 的部分资助。

阿尔马尼亚扎斯表示：“随着基因组学中的人工智能加速发展，RNACOREX 定位为一个可解释、易于理解的解决方案，是‘黑匣子’模型的替代方案，有助于将组学数据应用于生物医学实践。”

纳瓦拉大学团队已经在着手扩展该软件的功能。计划增加的功能包括通路分析和新的分子相互作用数据层，目标是创建能够更全面解释肿瘤生长和进展背后生物学机制的模型。这些努力凸显了该机构在结合生物医学、人工智能和数据科学，以推进个性化和精准癌症医学方面的跨学科研究承诺。
 

🚀 想要体验更好更全面的AI调用？

欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。