Το νέο εργαλείο τεχνητής νοημοσύνης χαρακτηρίζει την ποικιλομορφία μεμονωμένων κυττάρων σε όγκους

Το νέο εργαλείο τεχνητής νοημοσύνης χαρακτηρίζει την ποικιλομορφία μεμονωμένων κυττάρων σε όγκους

Μια πολυεθνική ομάδα ερευνητών με επικεφαλής το Ινστιτούτο Ιατρικής Έρευνας Garvan ανέπτυξε και δοκίμασε ένα νέο εργαλείο τεχνητής νοημοσύνης για να χαρακτηρίσει καλύτερα την ποικιλομορφία των μεμονωμένων κυττάρων εντός των όγκων και να ανοίξει τις πόρτες σε πιο στοχευμένες θεραπείες για τους ασθενείς.

Τα αποτελέσματα της ανάπτυξης και χρήσης του εργαλείου AI που ονομάζεται Aanet δημοσιεύτηκαν σήμερα στοΑνίχνευση καρκίνουένα περιοδικό της Αμερικανικής Ένωσης για την Έρευνα για τον Καρκίνο.

Δεν είναι όλα τα καρκινικά κύτταρα ίδια

Οι όγκοι δεν αποτελούνται μόνο από έναν τύπο κυττάρων - είναι ένα μείγμα διαφορετικών κυττάρων που αναπτύσσονται και ανταποκρίνονται στη θεραπεία με διαφορετικούς τρόπους. Αυτή η ποικιλομορφία ή η ετερογένεια καθιστά τον καρκίνο πιο δύσκολο και, με τη σειρά του, μπορεί να οδηγήσει σε χειρότερα αποτελέσματα, ιδιαίτερα στον τριπλά αρνητικό καρκίνο του μαστού.

Η ετερογένεια είναι ένα πρόβλημα γιατί προς το παρόν αντιμετωπίζουμε τους όγκους σαν να ήταν φτιαγμένοι από το ίδιο κύτταρο. Αυτό σημαίνει ότι δίνουμε μια θεραπεία που σκοτώνει τα περισσότερα από τα κύτταρα του όγκου στοχεύοντας έναν συγκεκριμένο μηχανισμό. Αλλά δεν μπορούν όλα τα καρκινικά κύτταρα να μοιράζονται αυτόν τον μηχανισμό. Ενώ ο ασθενής μπορεί να έχει μια αρχική αντίδραση, τα υπόλοιπα κύτταρα μπορεί να αναπτυχθούν και ο καρκίνος μπορεί να επανέλθει. "

Αναπληρώτρια καθηγήτρια Christine Chaffer, συν-πρωτεύουσα συγγραφέας της μελέτης και συν-διευθύντρια του Cancer Plasticity and Dormancy Program στο Garvan

Όμως, ενώ η ετερογένεια είναι ένα πρόβλημα, οι ερευνητές δεν γνωρίζουν αρκετά για να το χαρακτηρίσουν: «Μέχρι στιγμής, οι ερευνητές δεν μπόρεσαν να εξηγήσουν με σαφήνεια πώς τα γειτονικά κύτταρα σε έναν όγκο διαφέρουν μεταξύ τους και πώς μπορούμε να ταξινομήσουμε αυτές τις διαφορές σε σημαντικούς τρόπους για την καλύτερη αντιμετώπιση των όγκων.όλοικύτταρα σε αυτόν τον όγκο με τις σωστές θεραπείες», προσθέτει ο αναπληρωτής καθηγητής Chaffer.

Ένα νέο εργαλείο χαρακτηρίζει πέντε νέες ομάδες καρκινικών κυττάρων

Για να λύσει αυτό το πρόβλημα, η ομάδα ανέπτυξε και εκπαίδευσε ένα ισχυρό νέο εργαλείο τεχνητής νοημοσύνης που ονομάζεται Aanet που μπορεί να ανιχνεύσει βιολογικά μοτίβα σε κύτταρα εντός όγκων.

Στη συνέχεια χρησιμοποίησαν το εργαλείο AI για να αποκαλύψουν μοτίβα στη γονιδιακή έκφραση μεμονωμένων κυττάρων εντός όγκων, εστιάζοντας σε προκλινικά μοντέλα τριπλά αρνητικού καρκίνου του μαστού και ανθρώπινα δείγματα ER-θετικού, HER2-θετικού και τριπλού καρκίνου του μαστού. Με αυτόν τον τρόπο, εντόπισαν πέντε διαφορετικές ομάδες καρκινικών κυττάρων μέσα σε έναν όγκο με διαφορετικά προφίλ γονιδιακής έκφρασης, τα οποία υποδεικνύουν σημαντικές διαφορές στη συμπεριφορά των κυττάρων.

"Χρησιμοποιώντας το εργαλείο μας AI, μπορέσαμε να ανακαλύπτουμε με συνέπεια πέντε νέες ομάδες κυτταρικών τύπων σε μεμονωμένους όγκους, που ονομάζονται "αρχέτυπα". Κάθε ομάδα έδειξε διαφορετικές βιολογικές οδούς και τάσεις για ανάπτυξη, μετάσταση και δείκτες κακής πρόγνωσης. Τα επόμενα βήματά μας είναι να δούμε πώς αυτές οι ομάδες μπορεί να αλλάξουν με την πάροδο του χρόνου, όπως π.χ.

Αυτή είναι η πρώτη έρευνα για τον καρκίνο. Συνεπικεφαλής, Αναπληρώτρια Καθηγήτρια Smita Krishnaswamy του Πανεπιστημίου Yale, η οποία ηγήθηκε της ανάπτυξης του εργαλείου AI: "Χάρη στην τεχνολογική πρόοδο, τα τελευταία 20 χρόνια παρατηρήθηκε μια έκρηξη δεδομένων σε επίπεδο μονοκυττάρου. Με αυτά τα δεδομένα, διαπιστώσαμε ότι όχι μόνο τα καρκινικά κύτταρα εμπορικά. συσχετίσεις με χωρική ανάπτυξη όγκου και μεταβολομική Βρείτε υπογραφές.

Νέα ταξινόμηση για την οδήγηση καλύτερων, στοχευμένων θεραπειών

Οι ερευνητές λένε ότι η χρήση του AANET για τον χαρακτηρισμό των διαφορετικών ομάδων κυττάρων σε έναν όγκο σύμφωνα με τη βιολογία τους ανοίγει τις πόρτες για μια αλλαγή παραδείγματος στη θεραπεία του καρκίνου.

"Προς το παρόν, η επιλογή της θεραπείας του καρκίνου για έναν ασθενή βασίζεται σε μεγάλο βαθμό στο όργανο που έχει ο καρκίνος, όπως μαστού, πνεύμονα ή προστάτη και όλους τους μοριακούς δείκτες. Ωστόσο, αυτό προϋποθέτει ότι όλα τα κύτταρα σε αυτόν τον καρκίνο είναι τα ίδια. Αντίθετα, έχουμε τώρα ένα εργαλείο για να χαρακτηρίσουμε την ετερογένεια που χαρακτηρίζει την ετερογένεια του ασθενούς, όπως κάθε ομάδα στόχου που αντιμετωπίζει μια ομάδα στόχου.κάθεαυτών των διαφορετικών ομάδων μέσω των βιολογικών οδών τους. Αυτό έχει τη δυνατότητα να βελτιώσει σημαντικά τα αποτελέσματα για αυτόν τον ασθενή», λέει ο αναπληρωτής καθηγητής Chaffer.

Σχετικά με την εφαρμογή του Aanet, ο συν-ανώτερος συγγραφέας της μελέτης και Chief Scientific Officer του Garvan Professor Sarah Kummerfeld εξηγεί: "Οραματιζόμαστε ένα μέλλον όπου οι γιατροί συνδυάζουν αυτήν την ανάλυση AI με παραδοσιακά διαγνωστικά καρκίνου για να αναπτύξουν πιο εξατομικευμένες θεραπείες που στοχεύουν όλους τους τύπους κυττάρων στον μοναδικό όγκο κυτταρικών τύπων. βιολογική βιο-εφαρμογή στην τεχνολογική και βιολογική βιολογία έχουν ασθένειες όπως τα αυτοάνοσα νοσήματα.

Η έρευνα αυτή υποστηρίχθηκε στις ακόλουθες πηγές.

Στην Αυστραλία: The Nelune Foundation, Tour de Cure, Estee Lauder, The Kinghorn Foundation, The Paramor Family Foundation, University of New South Wales Research Grant, Ramaciotti Biomedical Research Award, ARC Development Project Grant και NHMRC Ideas Grants and Investigator Grant.

Στις Η.Π.Α: Gruber Foundation Science Fellowship και το Eric and Wendy Schmidt Center στο Broad Institute of MIT και το Harvard, το National Science Foundation, το Yale Cancer Center Pilot Grant και το Sloan Fellowship.

Πηγές: