理工学院 (IIT) 马德拉斯的研究人员开发了一种基于机器学习 (ML) 的计算工具，可以更好地检测大脑和脊髓中的致癌肿瘤。

胶质母细胞瘤是一种在大脑和脊髓中快速生长的肿瘤。

尽管已经进行了研究来了解这种肿瘤，但治疗选择仍然有限，从最初诊断起的预期生存率不到两年。

该工具名为 aGBMDriver(GlioBlastoma Mutiforme Drivers)，专门用于识别胶质母细胞瘤中的驱动突变和乘客突变。该工具可在线公开获取。

驱动突变通常被定义为诱导细胞增殖和肿瘤生长的突变，而乘客突变或“搭便车”突变则不然，它们约占所有癌症突变的 97%。

理工学院马德拉斯分校生物技术系 M. Michael Gromiha 教授在一份声明中表示：“我们已经确定了识别致癌突变的重要氨基酸特征，并实现了区分驱动突变和中性突变的最高准确度。”

Gromiha 补充道：“我们希望这个工具 (GBMDriver) 能够帮助确定胶质母细胞瘤驱动突变的优先顺序，并帮助确定潜在的治疗靶点，从而帮助制定药物设计策略。”

为了开发这个网络服务器，该团队分析了胶质母细胞瘤中的 9,386 个驱动突变和 8,728 个乘客突变。在 1809 个突变体的盲组中，胶质母细胞瘤驱动突变的识别准确率为 81.99%，这比现有的计算方法要好。该方法完全依赖于蛋白质序列。

他们的研究结果发表在同行评审期刊《生物信息学简报》上。

机器学习工具还可以应用于其他疾病。该方法可以作为疾病预后的重要标准之一。它是识别突变特异性药物靶点以设计治疗策略的宝贵资源。

理工学院马德拉斯分校的博士生 Medha Pandey 表示：“我们认为该方法有助于确定胶质母细胞瘤驱动突变的优先顺序，并有助于确定治疗靶点。”