Συμβουλευτική για τα ΜΜΕ
Πέμπτη 18 Απριλίου 2024
Η μελέτη απόδειξης της ιδέας ανέλυσε μια νεότερη τεχνολογία γνωστή ως αλληλουχία RNA μονοκυττάρου.
Τι
Σε μια μελέτη proof-of-concept, ερευνητές στο Εθνικό Ινστιτούτο Υγείας (NIH) ανέπτυξαν ένα εργαλείο τεχνητής νοημοσύνης (AI) που χρησιμοποιεί δεδομένα από μεμονωμένα κύτταρα μέσα σε όγκους για να προβλέψει εάν ο καρκίνος ενός ατόμου θα ανταποκριθεί σε ένα συγκεκριμένο φάρμακο. Ερευνητές στο Εθνικό Ινστιτούτο Καρκίνου (NCI), μέρος του NIH, δημοσίευσαν την εργασία τους στις 18 Απριλίου 2024, στο Φύση Καρκίνοςκαι προτείνουν ότι τέτοια δεδομένα αλληλουχίας RNA μονοκυττάρου θα μπορούσαν κάποια μέρα να χρησιμοποιηθούν για να βοηθήσουν τους γιατρούς να ταιριάξουν με μεγαλύτερη ακρίβεια τους καρκινοπαθείς με φάρμακα που θα είναι αποτελεσματικά για τον καρκίνο τους.
Οι τρέχουσες προσεγγίσεις για την αντιστοίχιση ασθενών με φάρμακα βασίζονται στη μαζική αλληλούχιση του DNA και του RNA του όγκου, που λαμβάνει κατά μέσο όρο όλα τα κύτταρα σε ένα δείγμα όγκου. Ωστόσο, οι όγκοι περιέχουν περισσότερους από έναν τύπους κυττάρων και στην πραγματικότητα μπορεί να έχουν πολλούς διαφορετικούς τύπους υποπληθυσμών κυττάρων. Τα μεμονωμένα κύτταρα σε αυτούς τους υποπληθυσμούς είναι γνωστά ως κλώνοι. Οι ερευνητές πιστεύουν ότι αυτοί οι υποπληθυσμοί κυττάρων μπορεί να ανταποκρίνονται διαφορετικά σε συγκεκριμένα φάρμακα, γεγονός που θα μπορούσε να εξηγήσει γιατί ορισμένοι ασθενείς δεν ανταποκρίνονται σε ορισμένα φάρμακα ή αναπτύσσουν αντίσταση σε αυτά.
Σε αντίθεση με τη μαζική αλληλούχιση, μια νεότερη τεχνολογία γνωστή ως αλληλουχία RNA μονοκυττάρου παρέχει δεδομένα πολύ υψηλότερης ανάλυσης, μέχρι το επίπεδο ενός κυττάρου. Η χρήση αυτής της προσέγγισης για τον εντοπισμό και τη στόχευση μεμονωμένων κλώνων μπορεί να οδηγήσει σε πιο μακροχρόνιες αντιδράσεις στα φάρμακα. Ωστόσο, τα δεδομένα γονιδιακής έκφρασης ενός κυττάρου είναι πολύ πιο δαπανηρά να δημιουργηθούν από τα μαζικά δεδομένα γονιδιακής έκφρασης και δεν είναι ακόμη ευρέως διαθέσιμα σε κλινικά περιβάλλοντα.
Στη νέα μελέτη, οι ερευνητές διερεύνησαν εάν μπορούσαν να χρησιμοποιήσουν μια τεχνική μηχανικής μάθησης που ονομάζεται μάθηση μεταφοράς για να εκπαιδεύσουν ένα μοντέλο AI για να προβλέψει τις αντιδράσεις φαρμάκων χρησιμοποιώντας ευρέως διαθέσιμα δεδομένα αλληλουχίας RNA, αλλά στη συνέχεια να ρυθμίσουν αυτό το μοντέλο χρησιμοποιώντας δεδομένα αλληλουχίας RNA μονοκυττάρου. Χρησιμοποιώντας αυτή την προσέγγιση σε δημοσιευμένα δεδομένα κυτταρικής γραμμής από οθόνες φαρμάκων μεγάλης κλίμακας, οι ερευνητές κατασκεύασαν μοντέλα τεχνητής νοημοσύνης για 44 φάρμακα για τον καρκίνο που έχουν εγκριθεί από την Υπηρεσία Τροφίμων και Φαρμάκων. Τα μοντέλα τεχνητής νοημοσύνης προέβλεψαν με ακρίβεια πώς θα ανταποκρινόταν μεμονωμένα κύτταρα τόσο σε μεμονωμένα φάρμακα όσο και σε συνδυασμούς φαρμάκων.
Στη συνέχεια, οι ερευνητές δοκίμασαν την προσέγγισή τους σε δημοσιευμένα δεδομένα για 41 ασθενείς με πολλαπλό μυέλωμα που έλαβαν θεραπεία με συνδυασμό τεσσάρων φαρμάκων και 33 ασθενείς με καρκίνο του μαστού που έλαβαν θεραπεία με συνδυασμό δύο φαρμάκων. Οι ερευνητές ανακάλυψαν ότι εάν μόνο ένας κλώνος ήταν ανθεκτικός σε ένα συγκεκριμένο φάρμακο, ο ασθενής δεν θα ανταποκρινόταν σε αυτό το φάρμακο, ακόμα κι αν όλοι οι άλλοι κλώνοι ανταποκρινόταν. Επιπλέον, το μοντέλο AI προέβλεψε με επιτυχία την ανάπτυξη αντοχής σε δημοσιευμένα δεδομένα από 24 ασθενείς που έλαβαν θεραπεία με στοχευμένες θεραπείες για μη μικροκυτταρικό καρκίνο του πνεύμονα.
Οι ερευνητές προειδοποίησαν ότι η ακρίβεια αυτής της τεχνικής θα βελτιωθεί εάν τα δεδομένα αλληλουχίας μονοκυττάρου RNA γίνουν ευρύτερα διαθέσιμα. Στο μεταξύ, οι ερευνητές ανέπτυξαν έναν ερευνητικό ιστότοπο και έναν οδηγό για τον τρόπο χρήσης του μοντέλου AI, που ονομάζεται Personalized Single-Cell Expression-based Planning for Treatments in Oncology (PERCEPTION), με νέα σύνολα δεδομένων.
Αυτή η εργασία διεξήχθη από το Κέντρο Έρευνας για τον Καρκίνο του NCI και με επικεφαλής τον Alejandro Schaffer, Ph.D., και τον Sanju Sinha, Ph.D., παλαιότερα στο NCI, τώρα στο Sanford Burnham Prebys. Ο Eytan Ruppin, MD, Ph.D., επέβλεψε την εργασία.
ΠΟΥ
Eytan Ruppin, MD, Ph.D., Κέντρο Έρευνας για τον ΚαρκίνοΕθνικό Ινστιτούτο Καρκίνου
Αναφορά
“Πρόβλεψη της ανταπόκρισης του ασθενούς και της αντίστασης στη θεραπεία από μονοκυτταρική μεταγραφική των όγκων τους μέσω του υπολογιστικού αγωγού PERCEPTION” DOI: 10.1038/s43018-024-00756-7 18 Απριλίου 2024, σε Φύση Καρκίνος.
Σχετικά με το Εθνικό Ινστιτούτο Καρκίνου (NCI): Το NCI ηγείται του Εθνικού Προγράμματος για τον Καρκίνο και των προσπαθειών του NIH για τη δραματική μείωση του επιπολασμού του καρκίνου και τη βελτίωση της ζωής των ατόμων με καρκίνο. Το NCI υποστηρίζει ένα ευρύ φάσμα έρευνας και εκπαίδευσης για τον καρκίνο εξωσωματικά μέσω επιχορηγήσεων και συμβάσεων. Το ενδοσχολικό ερευνητικό πρόγραμμα του NCI διεξάγει καινοτόμο, διεπιστημονική βασική, μεταφραστική, κλινική και επιδημιολογική έρευνα για τα αίτια του καρκίνου, τις οδούς πρόληψης, πρόβλεψης κινδύνου, έγκαιρης ανίχνευσης και θεραπείας, συμπεριλαμβανομένης της έρευνας στο NIH Clinical Center—το μεγαλύτερο ερευνητικό νοσοκομείο στον κόσμο. Μάθετε περισσότερα για την ενδοσχολική έρευνα που γίνεται στα NCI’s Κέντρο Έρευνας για τον Καρκίνο. Για περισσότερες πληροφορίες σχετικά με τον καρκίνο, επισκεφθείτε τον ιστότοπο του NCI στη διεύθυνση καρκίνος.gov ή καλέστε το κέντρο επικοινωνίας του NCI στο 1-800-4-CANCER (1-800-422-6237).
Σχετικά με τα Εθνικά Ινστιτούτα Υγείας (NIH):Το NIH, ο οργανισμός ιατρικής έρευνας της χώρας, περιλαμβάνει 27 Ινστιτούτα και Κέντρα και αποτελεί συστατικό του Υπουργείου Υγείας και Ανθρωπίνων Υπηρεσιών των ΗΠΑ. Το NIH είναι ο κύριος ομοσπονδιακός οργανισμός που διεξάγει και υποστηρίζει βασική, κλινική και μεταφραστική ιατρική έρευνα και διερευνά τα αίτια, τις θεραπείες και τις θεραπείες τόσο για κοινές όσο και για σπάνιες ασθένειες. Για περισσότερες πληροφορίες σχετικά με το NIH και τα προγράμματά του, επισκεφθείτε www.nih.gov.
NIH…Μετατρέποντας την Ανακάλυψη σε Υγεία®