Ett nytt forskningsprojekt syftar till att påskynda leveransen av personliga cancerbehandlingar genom att använda smartphones för att cruncha data medan deras ägare sover.

Forskare vid Imperial College London arbetar med Vodafone Foundation för att rekrytera människor för att donera kraften i sina smartphones och köra en enkel app, som kan hjälpa till att bedriva forskning över en natt.

Projektet kommer att utnyttja processorkraften hos tusentals smartphones som, när de kombineras, kan analysera stora mängder data på kortare tid än vad det skulle ta en superdator, och till en bråkdel av kostnaden för cloud computing-plattformar.

Smartphones innehåller en enorm mängd datorkraft som behövs för att köra allt från e-post till musik- och videoströmningsappar, men de är mestadels vilande medan användare kopplar in sina telefoner för att ladda över natten.

Narkotikaprojekt

Som en del av projektet "DRUGS" (Drug Repositioning Using Grids of Smartphones), ett team under ledning av Dr. Kirill Veselkov på Department of Surgery &Cancer vid Imperial har designat en algoritm som bryter ner enorma datamängder i små bitar som kan analyseras.

Användare laddar ner DreamLab-appen till sin telefon och kör den i sex timmar över natten medan telefonen laddas.

Medan de sover, appen laddar ner ett litet paket med data – ungefär 5 MB i storlek – och använder telefonens processorer för att köra miljontals beräkningar, innan du laddar upp resultaten och rensar data.

Appen har redan använts av forskare i Australien för att cruncha data för cancer i bukspottkörteln, men detta projekt kommer att vara första gången det används i Europa.

Genom att använda den publikbaserade metoden för att arbeta med offentligt tillgänglig data om cancergener och läkemedelsinteraktioner, Imperialforskarna hoppas kunna påskynda cancerforskningen avsevärt genom att identifiera nya kombinationer av läkemedel som kan vara mer effektiva för att bekämpa cancer hos enskilda patienter.

I sista hand, att använda denna mobila molnbaserade datoransats kan drastiskt minska tiden det tar att analysera så stora mängder data. En stationär dator med en åttakärnig processor som körs 24 timmar om dygnet skulle ta 100 år att bearbeta data. Men ett nätverk på 100, 000 smartphones som körs sex timmar per natt skulle kunna göra jobbet på bara tre månader.

Professor David Gann CBE, Vice President (Innovation) vid Imperial College London, sa:"Genom att utnyttja distribuerad datorkraft, DreamLab hjälper till att göra personlig medicin till verklighet.

"Detta projekt visar hur Imperials innovativa forskningspartnerskap med företagspartners och medlemmar av allmänheten arbetar tillsammans för att ta itu med några av de största problemen vi står inför idag, skapa verklig samhällelig påverkan."

Andrew Dunnett, Direktör på Vodafone Foundation, sa:"Vi vill uppmuntra människor över hela Storbritannien att bli hjältar över en natt i kampen mot cancer.

"Vodafone-kunder och användare av andra nätverk kan använda sina smartphones för att möjliggöra att enorma mängder data kan behandlas.

"Detta innebär att Imperial College London kommer att kunna påskynda välbehövlig cancerforskning i Storbritannien."

Genetiska mutationer och cancer

Förhoppningen är att snarare än ett försök och misstag för att testa cancerläkemedelskombinationer för att se vilka som fungerar bäst för en patient, dataledda tillvägagångssätt som detta kan hjälpa till att identifiera kombinationer av läkemedel att använda baserat på genotypen av själva cancern.

Dr Veselkov sa:"Vi genererar för närvarande enorma mängder hälsodata runt om i världen varje dag, men bara en bråkdel av detta används. Genom att utnyttja processorkraften hos tusentals smartphones, vi kan utnyttja denna ovärderliga resurs och leta efter ledtrådar i datamängderna.

Använder allmänt tillgängliga, anonymiserade forskningsdata hämtade från flera källor, Imperial-teamet designade en algoritm för att utforska hur dessa mutationer potentiellt interagerar med andra gener." detta kan hjälpa oss att bättre använda befintliga läkemedel och hitta mer effektiva kombinationer av läkemedel som är skräddarsydda för patienter, och förbättra behandlingar."

Algoritmen testar alla möjliga kombinationer av gen-geninteraktioner baserat på befintliga data från nästan en miljon cancerprover runt om i världen, representerar mellan 30, 000 och 50, 000 unika cancermutationer.

Denna typ av analys hjälper till att "stratifiera" patienter i grupper – dvs de som har liknande mutationer, eller gemensamma geninteraktioner – baserat på den genetiska sammansättningen av deras cancer, snarare än klassificering baserat på vilken typ av cancer de har, eller hur avancerat det är.

Utforska sambanden

Algoritmen krossar också data för kända interaktioner för tusentals registrerade läkemedel, visar vilka gener och proteiner de interagerar med – till exempel, vissa läkemedel kan nedreglera ett protein som är känt för att uppregleras av en specifik cancermutation.

Dessa data inkluderar cancerläkemedel såväl som läkemedel som ursprungligen utformats för en annan indikation. Ett exempel är sildenafilcitrat, en förening som ursprungligen designades som ett kardiovaskulärt läkemedel men som nu används för att behandla erektil dysfunktion.

Genom att lägga över resultaten, teamet hoppas kunna bygga upp en tydligare bild av vilka läkemedelskombinationer som är mest lämpade för patienter, baserat på deras mutationer.

I framtiden, tillvägagångssättet skulle kunna innefatta farmakologiska data om läkemedlens effekter och läkemedelsinteraktioner, att generera ännu mer detaljerad information om vilka läkemedelskombinationer och doser som kan fungera bäst för patienter.

Dr. Veselkov tillade:"Varje cancerpatient i Storbritannien skulle kunna få DNA-testade inom det kommande decenniet. Utmaningen är hur man använder patientens egna data för mer personligt val av behandling.

"I detta spännande samarbetsprojekt med Vodafone, vi har implementerat och implementerat maskininlärningsalgoritmerna på mobiltelefoner för att simulera effekten av cancermutationer och läkemedel på intracellulära molekylära kretsar.

"Resultaten kommer att belysa möjliga multiläkemedelsterapier mot störda molekylära nätverk snarare än specifika mutationer hos enskilda cancerpatienter."