Nytt AI-verktøy karakteriserer mangfoldet av individuelle celler i svulster

Nytt AI-verktøy karakteriserer mangfoldet av individuelle celler i svulster

Et multinasjonalt team av forskere ledet av Garvan Institute of Medical Research har utviklet og testet et nytt AI-verktøy for å bedre karakterisere mangfoldet av individuelle celler i svulster og åpne dørene til mer målrettede terapier for pasienter.

Resultatene av utviklingen og bruken av AI-verktøyet kalt Aanet ble publisert i dag iKreftoppdagelseet tidsskrift fra American Association for Cancer Research.

Ikke alle tumorceller er like

Tumorer består ikke av bare én type celle – de er en blanding av forskjellige celler som vokser og reagerer på behandling på forskjellige måter. Dette mangfoldet eller heterogeniteten gjør kreft vanskeligere og kan igjen føre til dårligere resultater, spesielt ved trippel-negativ brystkreft.

Heterogenitet er et problem fordi vi i dag behandler svulster som om de var laget av samme celle. Dette betyr at vi gir en terapi som dreper de fleste cellene i svulsten ved å målrette en bestemt mekanisme. Men ikke alle kreftceller kan dele denne mekanismen. Mens pasienten kan ha en første reaksjon, kan de gjenværende cellene vokse og kreften kan komme tilbake. "

Førsteamanuensis Christine Chaffer, medseniorforfatter av studien og meddirektør for Cancer Plasticity and Dormancy Program ved Garvan

Men mens heterogenitet er et problem, vet forskerne ikke nok til å karakterisere det: "Så langt har forskere ikke klart å forklare hvordan naboceller i en svulst skiller seg fra hverandre og hvordan vi kan klassifisere disse forskjellene i meningsfulle måter å bedre behandle svulster på.alleceller i denne svulsten med de riktige terapiene, legger førsteamanuensis Chaffer til.

Et nytt verktøy karakteriserer fem nye kreftcellegrupper

For å løse dette problemet utviklet og trente teamet et kraftig nytt AI-verktøy kalt Aanet som kan oppdage biologiske mønstre i celler i svulster.

De brukte deretter AI-verktøyet for å avdekke mønstre i genuttrykk av individuelle celler i svulster, med fokus på prekliniske modeller av trippel-negativ brystkreft og humane prøver av ER-positiv, HER2-positiv og trippel brystkreft. Ved å gjøre det identifiserte de fem forskjellige kreftcellegrupper i en svulst med forskjellige genekspresjonsprofiler, noe som indikerer store forskjeller i celleadferd.

"Ved bruk av AI-verktøyet vårt klarte vi konsekvent å oppdage fem nye grupper av celletyper innenfor individuelle svulster, kalt 'arketyper'. Hver gruppe viste forskjellige biologiske veier og tilbøyeligheter til vekst, metastaser og markører for dårlig prognose. Våre neste steg er å se hvordan disse gruppene kan endre seg over tid, som f.eks.

Dette er det første innen kreftforskning. Medleder, førsteamanuensis Smita Krishnaswamy ved Yale University, som ledet utviklingen av AI-verktøyet: "Takket være teknologiske fremskritt har de siste 20 årene sett en eksplosjon av data på enkeltcellenivå. Med disse dataene fant vi ut at ikke bare kreftcellene kommersielt. Den første gangen en annen studier på en annen sak kan gi meningsfulle assosiasjoner til en annen sak. romlig tumorvekst og metabolomikk Finn signaturer.

Ny klassifisering for å drive bedre, målrettede behandlinger

Forskerne sier at bruk av AANET for å karakterisere de ulike cellegruppene i en svulst i henhold til deres biologi åpner dører for et paradigmeskifte i behandlingen av kreft.

"Foreløpig er valget av kreftbehandling for en pasient i stor grad basert på organet som kreften har som bryst, lunge eller prostata og alle de molekylære markørene. Dette forutsetter imidlertid at alle cellene i den kreften er like. I stedet har vi nå et verktøy for å karakterisere heterogeniteten som kjennetegner heterogeniteten til pasienten som vi vet at de er målrettet mot en biologisk fase vi kjenner til.hver enesteav disse forskjellige gruppene gjennom deres biologiske veier. Dette har potensial til å forbedre resultatene for denne pasienten betydelig, sier førsteamanuensis Chaffer.

Angående anvendelsen av Aanet, medseniorforfatter av studien og Chief Scientific Officer for Garvan Professor Sarah Kummerfeld forklarer: "Vi ser for oss en fremtid der leger kombinerer denne AI-analysen med tradisjonell kreftdiagnostikk for å utvikle mer personlig tilpassede behandlinger som retter seg mot alle celletyper i den unike svulsten av celletyper. Vi kan forbedre en teknisk og biologisk forbedring av pasienter. Vår studie kan ta for seg biologisk og biologisk applikasjon. teknologisk og biologisk biologi har sykdommer som autoimmune sykdommer.

Denne forskningen ble støttet i følgende kilder.

I Australia: 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 og NHMRC Ideas Grants and Investigator Grant.

I USA: Gruber Foundation Science Fellowship og Eric and Wendy Schmidt Center ved Broad Institute of MIT og Harvard, National Science Foundation, Yale Cancer Center Pilot Grant og Sloan Fellowship.

Kilder: