Nieuwe AI-tool karakteriseert de diversiteit van individuele cellen in tumoren

Nieuwe AI-tool karakteriseert de diversiteit van individuele cellen in tumoren

Een multinationaal team van onderzoekers onder leiding van het Garvan Institute of Medical Research heeft een nieuwe AI-tool ontwikkeld en getest om de diversiteit van individuele cellen in tumoren beter te karakteriseren en de deuren te openen voor meer gerichte therapieën voor patiënten.

De resultaten van de ontwikkeling en het gebruik van de AI-tool genaamd Aanet zijn vandaag gepubliceerd inKanker detectieeen tijdschrift van de American Association for Cancer Research.

Niet alle tumorcellen zijn hetzelfde

Tumoren bestaan ​​niet uit slechts één type cel; het is een mix van verschillende cellen die op verschillende manieren groeien en op de behandeling reageren. Deze diversiteit of heterogeniteit maakt kanker moeilijker en kan op zijn beurt tot slechtere resultaten leiden, vooral bij triple-negatieve borstkanker.

Heterogeniteit is een probleem omdat we momenteel tumoren behandelen alsof ze uit dezelfde cel zijn gemaakt. Dit betekent dat we een therapie geven die de meeste cellen in de tumor doodt door zich op een specifiek mechanisme te richten. Maar niet alle kankercellen kunnen dit mechanisme delen. Hoewel de patiënt mogelijk een eerste reactie heeft, kunnen de resterende cellen groeien en kan de kanker terugkomen. “

Universitair hoofddocent Christine Chaffer, co-senior auteur van de studie en mededirecteur van het Cancer Plasticity and Dormancy Program bij Garvan

Maar hoewel heterogeniteit een probleem is, weten onderzoekers niet genoeg om het te karakteriseren: "Tot nu toe zijn onderzoekers er niet in geslaagd duidelijk uit te leggen hoe aangrenzende cellen in een tumor van elkaar verschillen en hoe we deze verschillen kunnen classificeren in zinvolle manieren om tumoren beter te behandelen.allecellen in deze tumor met de juiste therapieën”, voegt universitair hoofddocent Chaffer toe.

Een nieuw hulpmiddel karakteriseert vijf nieuwe kankercelgroepen

Om dit probleem op te lossen heeft het team een ​​krachtige nieuwe AI-tool ontwikkeld en getraind, Aanet genaamd, die biologische patronen in cellen in tumoren kan detecteren.

Vervolgens gebruikten ze de AI-tool om patronen in de genexpressie van individuele cellen in tumoren bloot te leggen, waarbij ze zich concentreerden op preklinische modellen van drievoudige borstkanker en menselijke monsters van ER-positieve, HER2-positieve en drievoudige borstkanker. Daarbij identificeerden ze vijf verschillende kankercelgroepen binnen een tumor met verschillende genexpressieprofielen, wat wijst op grote verschillen in celgedrag.

"Met behulp van onze AI-tool konden we consequent vijf nieuwe groepen celtypen binnen individuele tumoren ontdekken, 'archetypen' genoemd. Elke groep vertoonde verschillende biologische routes en neigingen voor groei, metastase en markers van een slechte prognose. Onze volgende stappen zijn om te zien hoe deze groepen in de loop van de tijd kunnen veranderen, zoals

Dit is een primeur voor kankeronderzoek. Co-leider, universitair hoofddocent Smita Krishnaswamy van de Yale Universiteit, die leiding gaf aan de ontwikkeling van de AI-tool: “Dankzij de technologische vooruitgang is er de afgelopen twintig jaar sprake geweest van een explosie van gegevens op het niveau van eencellige cellen. Met deze gegevens hebben we ontdekt dat kankercellen niet alleen commercieel kunnen worden ingezet. De eerste keer dat een ander onderzoek doet naar een ander geval. Betekenisvolle archetypen waarmee diversiteit kan worden geanalyseerd om betekenisvolle associaties te maken met ruimtelijke tumorgroei en metabolomics.

Nieuwe classificatie om betere, gerichte behandelingen mogelijk te maken

De onderzoekers zeggen dat het gebruik van AANET om de verschillende groepen cellen in een tumor te karakteriseren op basis van hun biologie, deuren opent voor een paradigmaverschuiving in de behandeling van kanker.

"Momenteel is de selectie van kankerbehandeling voor een patiënt grotendeels gebaseerd op het orgaan dat de kanker heeft, zoals borst, long of prostaat, en alle moleculaire markers. Dit veronderstelt echter dat alle cellen in die kanker hetzelfde zijn. In plaats daarvan hebben we nu een hulpmiddel om de heterogeniteit te karakteriseren die de heterogeniteit van de patiënt kenmerkt, zoals elke groep die zich met een biologisch stadium bezighoudt. We weten dat ze zich zullen richten opelkvan deze verschillende groepen via hun biologische routes. Dit heeft het potentieel om de resultaten voor deze patiënt aanzienlijk te verbeteren”, zegt universitair hoofddocent Chaffer.

Over de toepassing van Aanet, co-senior auteur van de studie en Chief Scientific Officer van Garvan, legt professor Sarah Kummerfeld uit: “We stellen ons een toekomst voor waarin artsen deze AI-analyse combineren met traditionele kankerdiagnostiek om meer gepersonaliseerde behandelingen te ontwikkelen die zich richten op alle celtypen in de unieke tumor van celtypen. We kunnen een technische en biologische verbetering van patiënten verbeteren. Onze studie kan zich richten op technologische en biologische biologie. We kunnen technologische en biologische bio-applicaties aanpakken op technologische en biologische biologie bij ziekten zoals auto-immuunziekten.

Dit onderzoek werd ondersteund door de volgende bronnen.

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

In de VS: Gruber Foundation Science Fellowship en het Eric en Wendy Schmidt Center aan het Broad Institute of MIT en Harvard, de National Science Foundation, de Yale Cancer Center Pilot Grant en Sloan Fellowship.

Bronnen: