Cercetătorii au dezvoltat un algoritm inteligent care anticipează răspândirea cancerului şi formarea metastazelor analizând expresia genelor.
Răspândirea cancerului în alte organe ale corpului (metastaze) este una dintre principalele cauze ale mortalităţii asociate bolii. Cercetătorii încearcă de mult timp să înţeleagă de ce unele tumori rămân localizate, iar altele devin invazive. Un nou studiu arată că analiza modului în care sunt activate anumite gene în celulele tumorale poate ajuta la estimarea riscului ca un cancer să formeze metastaze.
Un sistem de inteligenţă artificială capabil să analizeze tipare complexe ale expresiei genelor poate estima probabilitatea ca o tumoră să se răspândească în organism, potrivit unui studiu realizat de cercetători de la Universitatea din Geneva (UNIGE), publicat în revista Cell Reports.
Modelul a fost dezvoltat pe baza analizei celulelor provenite din tumori de colon şi ar putea contribui la evaluarea riscului de metastază în mai multe tipuri de cancer.
Metastazele reprezintă principala cauză a deceselor în multe tipuri de cancer, inclusiv în cancerele de colon, sân şi plămân. În prezent, cel mai timpuriu semn detectabil al metastazei este apariţia celulelor tumorale circulante în sânge sau în sistemul limfatic. În momentul în care aceste celule pot fi identificate, este posibil ca procesul de răspândire să fi început deja.
Deşi cercetătorii au identificat numeroase mutaţii genetice implicate în apariţia tumorilor primare, nu a fost descoperită o modificare genetică unică care să explice de ce unele celule canceroase părăsesc tumora iniţială, în timp ce altele rămân la locul lor.
Grup de celule de cancer de colon uman cu comportament invaziv. Nucleii celulari sunt marcaţi cu galben, iar corpurile celulare cu roşu. Proeminenţele asemănătoare unor degete ale celulelor invazive sunt vizibile în regiunea din dreapta sus. Credit: Ariel Ruiz i Altaba, UNIGE.
Pentru a studia acest fenomen, echipa de la UNIGE a analizat celule provenite din cancere de colon.
Cercetătorii au izolat, clonat şi cultivat celule tumorale, apoi au evaluat comportamentul acestor clone atât în laborator, cât şi într-un model experimental pe şoarece. Analizele au urmărit capacitatea celulelor de a migra printr-un filtru biologic şi de a genera metastaze.
În total, echipa a măsurat activitatea a câteva sute de gene în aproximativ 30 de celule clonale provenite din două tumori primare de colon. Analiza a identificat variaţii clare ale expresiei genelor care s-au corelat puternic cu capacitatea celulelor de a migra.
Rezultatele sugerează că riscul de metastază nu poate fi determinat prin analiza unei singure celule. Potrivit autorilor, acest risc depinde de interacţiunile colective dintre grupuri de celule canceroase înrudite din interiorul aceleiaşi tumori.
Pe baza acestor tipare de expresie genetică, cercetătorii au dezvoltat un model de inteligenţă artificială numit Mangrove Gene Signatures (MangroveGS). Sistemul utilizează zeci sau chiar sute de semnături genetice - combinaţii de gene active într-o celulă - pentru a realiza predicţii.
Potrivit autorilor, utilizarea unui număr mare de semnături genetice face ca modelul să fie mai puţin influenţat de diferenţele biologice dintre pacienţi sau dintre tumorile analizate.
După antrenare, sistemul a reuşit să estimeze apariţia metastazelor şi recidiva cancerului de colon cu o acurateţe de aproape 80%, depăşind performanţa instrumentelor de predicţie existente.
Analiza a mai arătat că semnăturile genetice identificate în cancerul de colon pot contribui şi la estimarea potenţialului metastatic în alte tipuri de cancer, inclusiv în cancerul gastric, pulmonar şi de sân.
În perspectivă clinică, MangroveGS ar putea deveni un instrument utilizat în evaluarea pacienţilor cu cancer.
Analiza ar necesita o probă tumorală, din care celulele ar fi examinate şi analizate prin secvenţierea ARN-ului, molecula care reflectă activitatea genelor.
Sistemul ar calcula apoi un scor care indică probabilitatea ca tumora să dezvolte metastaze, iar rezultatul ar putea fi transmis medicilor şi pacienţilor printr-un portal securizat care procesează date anonimizate.
Autorii studiului consideră că aceste informaţii ar putea ajuta la evitarea tratamentelor excesive la pacienţii cu risc scăzut, reducând efectele adverse şi costurile inutile, dar şi la intensificarea monitorizării şi tratamentului pentru pacienţii cu risc ridicat.
De asemenea, metoda ar putea contribui la selecţia participanţilor pentru studiile clinice, reducând numărul de voluntari necesari şi crescând puterea statistică a cercetărilor.
