虽然网络算法通常与在社交媒体上寻找朋友有关，但苏塞克斯大学的研究人员已经展示了如何通过预测基因之间的相互作用来改善癌症治疗的有效性。

全球每年有超过1200万新诊断的癌症病例，这一数字只会继续增长。

化疗等现有治疗方法涉及效果有限且副作用强的非选择性药物。因此，科学家们认为迫切需要改进的治疗方法，这种方法更加个性化，更有针对性地针对癌细胞。

已经开发出许多靶向癌症疗法，其利用称为“合成致死相互作用”的基因关系。问题是，到目前为止，已经确定了相对较少的这些相互作用。

由于使用了人工智能，苏塞克斯大学的研究人员与伦敦癌症研究所的一个团队合作，成功地创建了一种算法，该算法现在可以预测这些相互作用可能发生的位置。

苏塞克斯大学的博士生Graeme Benstead-Hume说：“合成致死意味着如果其中一种蛋白质不起作用，细胞可以应对，但如果这两种蛋白质都不起作用，它们就会死亡。

“这些关系非常重要，因为它们可用于确定潜在的药物治疗可能仅针对癌细胞的位置，同时保持健康细胞不受伤害，从而创造出更有效，更温和的治疗方法。

“对于乳腺癌，我们已经看到这些更加个性化的疗法可以通过寻找合成致死的蛋白质对来实现。唯一的问题是有数百万个潜在的对，找到新的对既困难又费时。

“谢天谢地，我们的算法Slant现在可以解决这个问题了。”Slant使用已有的数据来识别与合成致死交互相关的模式。

通过在扩展的蛋白质网络中搜索相似的模式，它能够有效地预测新的合成致死对。这些预测由研究人员在实验室中进行验证，现在可在新创建的名为Slorth的数据库中公开获取，该数据库允许临床医生和研究人员快速搜索特定基因或药物，并确定是否可能发生合成致死性相互作用。

这种创新的计算方法现已发表在PLOS Computational Biology期刊上。

该论文的通讯作者弗朗西斯·珀尔博士说：“这项工作只是展示了新兴技术和人工智能如何能够迅速加快可能导致癌症等疾病的新治疗策略的工作。“通过预测基因之间的相互作用，我们加快了一个非常耗时的过程。”