Integrare l'intelligenza artificiale e la multiomica nella biologia computazionale del cancro / Integrating AI and multiomics into computational cancer biology

Integrare l'intelligenza artificiale e la multiomica nella biologia computazionale del cancro. Il procedimento del brevetto ENEA RM2012A000637 è molto utile in questo tipo di applicazione. / Integrating AI and multiomics into computational cancer biology. The procedure of the ENEA patent RM2012A000637 is very useful in this type of application.

Segnalato dal Dott. Giuseppe Cotellessa / Reported by Dr. Giuseppe Cotellessa

Maria Secrier, dell'University College di Londra (Regno Unito), guida un gruppo che sviluppa metodi di apprendimento automatico ed integrazione dei dati focalizzati sulla comprensione dell'evoluzione delle cellule tumorali. La recente "rivoluzione spaziale" sta consentendo una profilazione tissutale senza precedenti, ma ritiene che il campo sia ancora nelle fasi iniziali della comprensione di come il comportamento spaziale cellulare contribuisca allo sviluppo del cancro. C'è un crescente interesse nella definizione di nicchie spaziali funzionali ed una tendenza interessante è l'uso dell'intelligenza artificiale per integrare i dati su più scale, tra cui genomica, trascrittomica ed imaging. Sebbene questi approcci possano prevedere gli esiti clinici, sono necessari nuovi metodi per migliorarne l'interpretabilità.

Secrier fornisce diversi suggerimenti chiave per i ricercatori, a partire dall'importanza cruciale del controllo di qualità e dell'annotazione accurata di entrambi i tipi cellulari e dei loro stati dinamici. Consiglia inoltre una stretta collaborazione tra laboratori computazionali e sperimentali fin dall'inizio, garantendo che i risultati computazionali possano informare la progettazione e la convalida degli esperimenti. Quando si utilizzano dati pubblici, i ricercatori dovrebbero essere realistici sui loro limiti. Sottolinea inoltre la necessità di rendere tutte le analisi completamente riproducibili e di condividere i dati a beneficio della comunità più ampia. Infine, suggerisce che i ricercatori non dovrebbero essere troppo frettolosi nel trascurare i valori anomali, poiché potrebbero contenere la chiave per scoperte inaspettate.

ENGLISH

Learn more about a new combined fragmentomic–protein biomarkers test that could change the prognosis for ovarian cancer.

---

Integrating AI and multiomics into computational cancer biology

Maria Secrier, University College London (UK), leads a team developing machine learning and data integration methods focused on understanding how cancer cells evolve. The recent “spatial revolution” is enabling unprecedented tissue profiling, but she believes the field is still in its early stages of truly understanding how spatial cellular behavior contributes to cancer development. There’s a growing interest in defining functional spatial niches, and an exciting trend is the use of AI to integrate data across multiple scales, including genomics, transcriptomics, and imaging. While these approaches can predict clinical outcomes, new methods are needed to improve their interpretability.

Secrier provides several key tips for researchers, starting with the critical importance of quality control and careful annotation of both cell types and their dynamic states. She also advises close collaboration between computational and experimental labs from the beginning, ensuring that computational findings can inform experimental design and validation. When using public data, researchers should be realistic about its limitations. She also stresses the need to make all analyses fully reproducible and to share data to benefit the wider community. Finally, she suggests that researchers should not be too quick to disregard outliers, as they may hold the key to unexpected discoveries.

Da:

https://www.biotechniques.com/cancer-research/a-research-revolution-multiomic-and-spatial-techniques-in-cancer-biology/?utm_campaign=BioTechniques%20-%20Daily%20NL&utm_medium=email&_hsenc=p2ANqtz-8_x5DdrGWdLTFSjEuxkzwK5Mq_75IANhMHNIsjkyemMmW0GYhoQS79euDMO48-rSl0hmmxQugKSt_aH8SBYFzmmYVWvxBlCz7oQXgyigERd_iQSvY&_hsmi=378026687&utm_content=377993162&utm_source=hs_email#1