Novi AI alat karakterizira raznolikost pojedinačnih stanica u tumorima

Novi AI alat karakterizira raznolikost pojedinačnih stanica u tumorima

Multinacionalni tim istraživača predvođen Institutom za medicinska istraživanja Garvan razvio je i testirao novi alat umjetne inteligencije za bolje karakteriziranje raznolikosti pojedinačnih stanica unutar tumora i otvaranje vrata ciljanijim terapijama za pacijente.

Rezultati razvoja i korištenja AI alata pod nazivom Aanet objavljeni su danas uOtkrivanje rakačasopis Američke udruge za istraživanje raka.

Nisu sve tumorske stanice iste

Tumori se ne sastoje samo od jedne vrste stanica – oni su mješavina različitih stanica koje rastu i reagiraju na liječenje na različite načine. Ova raznolikost ili heterogenost otežava rak i zauzvrat može dovesti do lošijih ishoda, osobito kod trostruko negativnog raka dojke.

Heterogenost je problem jer trenutno tretiramo tumore kao da su napravljeni od iste stanice. To znači da dajemo terapiju koja ubija većinu stanica u tumoru ciljanjem na određeni mehanizam. Ali ne mogu sve stanice raka dijeliti ovaj mehanizam. Dok pacijent može imati početnu reakciju, preostale stanice mogu rasti i rak se može vratiti. “

Izvanredna profesorica Christine Chaffer, su-autorica studije i su-direktorica Programa za plastičnost i mirovanje raka u Garvanu

Ali dok je heterogenost problem, istraživači ne znaju dovoljno da bi je okarakterizirali: "Do sada istraživači nisu bili u mogućnosti jasno objasniti kako se susjedne stanice u tumoru razlikuju jedna od druge i kako možemo klasificirati te razlike u značajne načine za bolje liječenje tumora.svestanica u ovom tumoru s pravim terapijama,” dodaje izvanredni profesor Chaffer.

Novi alat karakterizira pet novih skupina stanica raka

Kako bi riješio ovaj problem, tim je razvio i uvježbao snažan novi AI alat nazvan Aanet koji može otkriti biološke obrasce u stanicama unutar tumora.

Zatim su upotrijebili AI alat za otkrivanje obrazaca u ekspresiji gena pojedinačnih stanica unutar tumora, fokusirajući se na pretkliničke modele trostruko negativnog raka dojke i ljudske uzorke ER-pozitivnog, HER2-pozitivnog i trostrukog raka dojke. Pritom su identificirali pet različitih skupina stanica raka unutar tumora s različitim profilima ekspresije gena, što ukazuje na velike razlike u ponašanju stanica.

"Koristeći naš AI alat, uspjeli smo dosljedno otkriti pet novih skupina tipova stanica unutar pojedinačnih tumora, nazvanih 'arhetipovi'. Svaka skupina je pokazala različite biološke putove i sklonosti rastu, metastazama i markere loše prognoze. Naši sljedeći koraci su vidjeti kako se te skupine mogu mijenjati tijekom vremena, kao što je

Ovo je prvo istraživanje raka. Suvoditeljica, izvanredna profesorica Smita Krishnaswamy sa Sveučilišta Yale, koja je vodila razvoj AI alata: "Zahvaljujući tehnološkom napretku, posljednjih 20 godina vidjeli smo eksploziju podataka na razini jedne stanice. S ovim podacima otkrili smo da ne samo stanice raka komercijalno. Prvi put da drugi proučava drugačiji slučaj. Značajni arhetipovi kroz koje se raznolikost može analizirati na napraviti smislene asocijacije s prostornim rastom tumora i metabolomikom Pronaći potpise.

Nova klasifikacija za bolje, ciljane tretmane

Istraživači kažu da korištenje AANET-a za karakterizaciju različitih skupina stanica u tumoru prema njihovoj biologiji otvara vrata za promjenu paradigme u liječenju raka.

"Trenutno se odabir liječenja raka za pacijenta uglavnom temelji na organu koji rak ima, kao što je dojka, pluća ili prostata i svim molekularnim markerima. Međutim, ovo pretpostavlja da su sve stanice u tom raku iste. Umjesto toga, sada imamo alat za karakterizaciju heterogenosti koja karakterizira heterogenost pacijenta, kao bilo koja skupina koja se bavi biološkim stadijem. Znamo da će ciljatisvakitih različitih skupina kroz njihove biološke putove. Ovo ima potencijal za značajno poboljšanje ishoda za ovog pacijenta,” kaže izvanredni profesor Chaffer.

Što se tiče primjene Aaneta, suautorica studije i glavna znanstvena direktorica Garvana, profesorica Sarah Kummerfeld, objašnjava: "Zamišljamo budućnost u kojoj liječnici kombiniraju ovu AI analizu s tradicionalnom dijagnostikom raka kako bi razvili personaliziranije tretmane koji ciljaju sve tipove stanica u jedinstvenom tipu stanica tumora. Možemo poboljšati tehničko i biološko poboljšanje pacijenata. Naša studija može se baviti tehnološkom i biološkom biologijom. Možemo se pozabaviti tehnološkom i biološka bio-primjena na tehnološku i biološku biologiju imaju bolesti kao što su autoimune bolesti.

Ovo istraživanje potkrijepljeno je sljedećim izvorima.

U Australiji: 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 i NHMRC Ideas Grant i Investigator Grant.

U SAD-u: Znanstvena stipendija Zaklade Gruber i Centar Erica i Wendy Schmidt na Institutu Broad MIT-a i Harvarda, Nacionalna zaklada za znanost, Pilot grant Centra za rak Yale i stipendija Sloan.

Izvori: