Forskare vid University of Navarra i Spanien har lanserat RNACOREX, en öppen källkod-programvara som avslöjar dolda genetiska nätverk i cancertumörer. Verktyget analyserar tusentals molekylära interaktioner och förutspår patientöverlevnad med klarhet som rivaliserar avancerade AI-system. Testat på data från 13 cancertyper ger det tolkbara insikter för att främja cancraforskning.
Forskare från University of Navarra har introducerat RNACOREX, en ny öppen källkod-plattform utformad för att avslöja de komplexa genetiska nätverk som ligger bakom cancer. Utvecklad vid Institute of Data Science and Artificial Intelligence (DATAI) i samarbete med Cancer Center Clínica Universidad de Navarra integrerar programvaran data från internationella biologiska databaser med genuttrycksinformation för att identifiera nyckel-miRNA-mRNA-interaktioner.
Dessa interaktioner bildar regulatoriska nätverk som påverkar tumörbeteende och patientutfall. Som Rubén Armañanzas, chef för Digital Medicine Laboratory vid DATAI och huvudförfattare, förklarar: «Att förstå arkitekturen hos dessa nätverk är avgörande för att upptäcka, studera och klassificera olika tumörtyper. Att pålitligt identifiera dessa nätverk är dock en utmaning på grund av den enorma mängden tillgänglig data, förekomsten av många falska signaler och bristen på tillgängliga och precisa verktyg som kan skilja vilka molekylära interaktioner som verkligen är associerade med varje sjukdom.»
RNACOREX hanterar dessa problem genom att bygga probabilistiska modeller från rankade interaktioner och erbjuder en tydlig molekylär karta över tumörfunktion. Utvärderad med data från The Cancer Genome Atlas (TCGA)-konsortiet applicerades verktyget på 13 cancertyper, inklusive bröst-, kolon-, lung-, mag-, melanom- och huvud- och halstumörer. Det förutspår överlevnad med noggrannhet jämförbar med sofistikerade AI-modeller men utmärker sig med tolkbara förklaringar.
Aitor Oviedo-Madrid, försteförfattare och forskare vid DATAI, noterar: «Programvaran förutspådde patientöverlevnad med noggrannhet i klass med sofistikerade AI-modeller, men med något som många av dessa system saknar: tydliga, tolkbara förklaringar av de molekylära interaktionerna bakom resultaten.» Utöver förutsägelser identifierar RNACOREX delade molekylära mönster över tumörer och framhäver biomedicinskt relevanta molekyler, vilket potentiellt kan stödja nya hypoteser för diagnostik och behandlingar. Oviedo-Madrid tillägger: «Vårt verktyg ger en pålitlig molekylär 'karta' som hjälper till att prioritera nya biologiska mål och påskynda cancraforskning.»
Publicerad i PLOS Computational Biology 2025 (DOI: 10.1371/journal.pcbi.1013660) är RNACOREX tillgänglig på GitHub och PyPI med automatiserade databastverktyg för enkel integration. Delvis finansierad av Government of Navarra's ANDIA 2021-program och ERA PerMed JTC2022 PORTRAIT betonar projektet förklarbar AI i genomik. Armañanzas säger: «Medan artificiell intelligens inom genomik accelererar positionerar sig RNACOREX som en förklarbar, lättolkad lösning och ett alternativ till 'black-box'-modeller, och hjälper till att föra omics-data in i biomedicinsk praktik.»
Framtida utvidgningar inkluderar väganalys och ytterligare molekylära lager för att bättre modellera tumörprogression och stödja precisionscancermedicin.
