Kral Abdullah Bilim ve Teknoloji Üniversitesi (KAUST) araştırmacıları, kanser taraması araştırması yaparken yanlış sonuç oranını kontrol altına almak amacıyla, kanser taramalarını moleküler düzeyde hızlandırabilecek yeni bir istatistiksel yaklaşım geliştirdi. Araştırmacılar bunu, yanlış ve yanıltıcı belirteçleri azaltarak ve tümör aralıklarını doğru bir şekilde belirlenmesine yardımcı olarak yaptı.
Kanser testleri
Kanser tarama testleri, pahalı olabilmeleri ve sonuç vermeme ihtimalleri nedeniyle onkolojinin karşılaştığı en büyük zorluklardan birini temsil ediyor.
Yanlış pozitif sonuç, kanserli bir tümörün varlığını gösterebilen ancak aslında kanser hücrelerinin mevcut olmadığı sonuçlara deniliyor.
KAUST bilim insanlarının yaklaşımı, proteinlerdeki potansiyel kanserli mutasyonları daha güvenilir bir şekilde tespit etmek için yanlış pozitif sonuçları hesaba katan titiz bir teste dayanıyor.
Üniversitede post doktora araştırmacısı Dr. Iris Ivy Gauran, “Mutasyonları moleküler düzeyde veya protein alanı düzeyinde incelemek, işlevsel olarak kanserle bağlantılı mutasyonları saptamak için büyük bir önem teşkil ediyor.
Tümör numunelerinin geleneksel istatistiksel analizlerinde genellikle gen seviyesinde mutasyonlar aranıyor, ancak araştırmalar, proteinleri oluşturan fonksiyonel, yapısal ve gelişimsel birimler olan protein alanları içindeki mutasyonları da taradı. Bu, fonksiyonel olarak kanserle ilgili olan mutasyonları tespit etme açısından yeni yöntemin büyük potansiyelini gösterdi” ifadelerini kullandı.
Bu tür edinilmiş veya ‘somatik’ mutasyonları bulmanın ilk adımı, gerçek tümörlerin moleküler analizinden üretilen çok miktarda protein alanı verisi üzerinde istatistiksel testler gerçekleştirmektir. Bu istatistiksel testlerin sonuçları, önemli sayıda moleküler mutasyonun bulunduğu protein alanlarında bulunan ‘risk noktalarının’ bir listesini oluşturur. Ancak, güvenilir sonuçlara ulaşmak için yeterli veri olmadığında, riskli noktaları belirleme sürecine güvenilemez. Zira bu tehlikeli noktaların yüksek oranda yanlış tespit edilmesine yol açar.
Tehlikeli noktaları gözlemleme
Gauran, Seul Ulusal Üniversitesi, Maryland Üniversitesi ve Kaliforniya Üniversitesi’nden meslektaşları ile iş birliği içinde, yanlış pozitif sonuç oranını daha güçlü bir şekilde hesaba katan deneysel bir prosedür önerdi.
Gauran “Bir protein alanında önemli ölçüde bir numune kümesinde ortaya çıktıklarında risk noktalarının tanınması, aynı anda yüzlerce hipotezin test edilmesini içeren büyük ölçekli bir eş zamanlı çıkarım problemidir. Bu nedenle çalışmamız, sayım verilerinin azlığı durumunda yanlış tespit için sözde ‘Bayes yerel oranı’ temelinde çoklu testler gerçekleştirmeye dayalı bir prosedür önerdi. Bu yöntemle, yanlış sonuç oranını kontrol ederken protein alanı modellerini kullanarak tüm gen ailelerinde somatik mutasyon gruplarını seçebiliriz” ifadelerini kullandı.
Bayes Teoremi, bilim insanı Thomas Bayes’in bulduğu bir istatistik çıkarım türü. Bayes çıkarım yöntemleri, bu durumda mevcut ve zaten bilinen bir protein alanı modelinde temsil edilen, parametreleri hakkındaki mevcut bilgilerden yararlanan istatistiksel modeller sağlar. Bu, örneğin, yanlış pozitif olarak sınıflandırılacak tutarsız moleküler mutasyonların saptanmasına dayalı olarak bir protein alanındaki risk odaklarının saptanmasına izin verir.
Yöntemi doğrulamak için araştırma ekibi, protein alanındaki bir mutasyonla ilişkili olduğu bilinen prostat kanseri için protein alanı verilerini analiz etti. Araştırmacıların yöntemleri, DNA bağlayıcı protein cd00083’teki bir mutasyonu kanserle ilişkili bir ‘tümör alanı’ olarak doğru bir şekilde tanımladı.
Gauran “Yöntemimiz, kanserle yüksek bir ilişkisi olduğu varsayılan tümör alanlarını tanımlarken gereksiz risk odaklarını dışarıda bırakmayı başardı. Ayrıca Bayes çıkarım yöntemlerinin, tümör uzantılarını doğru bir şekilde belirleme alanındaki temel bir istatistiksel sorunu çözme yeteneğini de gösterdi” ifadelerini kullandı.