Wykrywanie wzorców czasowych w danych mikromacierzowych dotyczących leczenia wirusowego zapalenia wątroby typu C

W ostatnim czasie ukształtował się paradygmat oparty na molekularnym mechanizmie choroby. Opiera się on na założeniu, że techniki nowoczesnej biologii pozwolą na zrozumienie molekularnych mechanizmów chorób i w konsekwencji na identyfikację genów powodujących zapoczątkowanie, nasilanie i podtrzymywanie procesu chorobowego. W związku z tym wzrosła ranga badań bioinformatycznych prowadzonych w oparciu o tzw. mikromacierze DNA określające intensywność ekspresji poszczególnych genów. Eksperymenty mikromacierzowe prowadzą do powstawania dużych zbiorów danych. W literaturze można znaleźć opisy wielu podejść do analizy takich danych, ale pojawiające się stale nowe zastosowania wymagają dostosowania istniejących i opracowania nowych metod. Obecnie, szczególnie intensywnie prowadzone są badania w zakresie konstrukcji metod analizy danych reprezentujących szeregi czasowe, które w przeciwieństwie do danych statycznych, zawierają nie tylko informacje o aktualnej ekspresji genów badanego pacjenta, ale także informacje o zmianach ekspresji w czasie. Wykorzystanie tego rodzaju danych do prowadzenia wnioskowań np. na temat efektywności leczenia określonych leków, cały czas stanowi duże wyzwanie badawcze. Proponujemy metodę identyfikacji zmian ekspresji genów, w której zmiany ekspresji są opisywane przez złożone pojęcia czasowo-przestrzenne wyrażone w języku naturalnym a zwane wzorcami zachowania. Wzorce zachowania należy rozumieć jako pojęcia związane ze specyficznymi zmianami stanu pacjenta obserwowanymi w pewnym okresie czasu. Dla przykładu, niektóre wzorce zachowania mogą opisywać efektywne leczenie a inne nieskuteczną terapię. Tego rodzaju złożone pojęcia są trudne do automatycznej identyfikacji, ponieważ wymagają obserwacji badanego pacjenta przez dłuższy okres czasu i opisywania za pomocą mniej złożonych pojęć czasowo-przestrzennych. Ponadto pojęcia te wymagają aproksymacji za pomocą klasyfikatorów w oparciu o zbiory danych wygenerowane za pomocą mikromacierzy DNA, oraz wiedzę medyczną wyrażoną głównie w postaci ontologii pojęć. Omówione zostaną wyniki badań mikromacierzowych pacjentów z wirusowym zapaleniem wątroby typu C przeprowadzonych w kilku punktach czasowych. Celem analizy było umożliwienie wczesnego przewidywania skutecznego leczenia i w konsekwencji uniknięcie efektów ubocznych terapii. Na podstawie ekspresji wybranych genów zdefiniowano pojęcia czasowe, a obserwacja pacjentów doprowadziła do utworzenia wzorców zachowania. Uzyskane wzorce przedstawione w postaci grafów były odmienne w grupie pacjentów ze skutecznym leczeniem, od tych w grupie pacjentów z nieskuteczną terapią. Predykcja oparta na obu grafach zachowania charakteryzuje się wysoką czułością i wysoką specyficznością.