Новый метод тестирования комбинаций лекарств ускорит разработку препаратов от рака

Автор: Pixabay/CC0 Public Domain

Исследователи из Массачусетского технологического института (MIT) разработали новую теоретическую модель для изучения механизмов взаимодействия методов лечения. Их подход позволяет ученым эффективно оценивать, как комбинации терапий повлияют на группу клеток, сокращая количество дорогостоящих экспериментов при повышении точности данных.

Например, для изучения влияния взаимосвязанных генов на рост раковых клеток биологу может потребоваться одновременное воздействие на несколько генов. Однако из-за миллиардов возможных комбинаций выбор ограниченного подмножества для тестирования может исказить результаты.

Новый метод MIT решает эту проблему, позволяя исследователям параллельно назначать все варианты лечения, контролируя результат через регулировку «дозировки» каждого воздействия. Ученые математически доказали оптимальность стратегии и подтвердили её эффективность в серии симуляций многоэтапных экспериментов, где их подход минимизировал процент ошибок.

«Мы предлагаем концепцию, которая поможет оптимизировать выбор комбинаторных терапий на каждом этапе эксперимента. Надеемся, это ускорит решение биологически значимых задач», — говорит аспирантка Цзяци Чжан, соавтор статьи на сервере arXiv.

Как это работает

Традиционные методы требуют ручного отбора комбинаций, что создает систематическую ошибку. В новом подходе каждая клетка случайно получает комбинацию воздействий на основе заданных «дозировок» — вероятностей применения каждого лечения. Например, высокая дозировка означает, что большинство клеток получат данное воздействие, а низкая — лишь небольшую группу.

«Наша теория показывает, как рассчитать дозировки для максимально точного изучения целевых характеристик», — поясняет соавтор Дивья Шьямал, студент MIT. После каждого раунда данные анализируются, и система адаптирует стратегию дозировок для следующего этапа.

Результаты и перспективы

Метод сохраняет эффективность даже при ограниченных ресурсах или изменяющемся уровне шума в экспериментах. В тестах он показал меньшую погрешность по сравнению с традиционными подходами.

В будущем исследователи планируют учесть взаимовлияние клеток и риск смещения данных из-за отдельных воздействий, а также проверить метод в реальных условиях.

Подробнее: Divya Shyamal et al, Probabilistic Factorial Experimental Design for Combinatorial Interventions, arXiv (2025). DOI: 10.48550/arxiv.2506.03363

Источник: Massachusetts Institute of Technology