A rákos tumor sokféle, eltérően működő sejtcsoportból áll. Ezek között már a diagnózis pillanatában ott rejtőzhetnek azok a sejtek is, amelyek hónapokkal vagy évekkel később áttéteket indíthatnak el, vagy ellenállhatnak a kezeléseknek. A kihívás az, hogy ezeket a kritikus sejtcsoportokat időben rendkívül nehéz felismerni. Ebben értek el áttörést nemzetközi együttműködésben a Horváth Péter vezette Lendület Mikroszkópos Képelemzés és Gépi Tanulás Kutatócsoport szakemberei. A csoport mesterséges intelligencián alapuló módszereket fejleszt, amelyek a mikroszkópos szövettani képeket molekuláris információkkal kapcsolják össze.
A kutatók a Springer kiadóhoz tartozó EMBO Molecular Medicine című folyóiratban számoltak be arról, hogy a leggyakoribb és legtöbb halálesettel járó, vesét érintő daganattípusból, a világossejtes veserákból származó mintákon a világon először mérték meg egysejt-szinten a tumorklónok genetikai és fehérjeállományát. A hagyományos molekuláris vizsgálatok sokszor a teljes szövetmintát egyszerre elemzik, ezért könnyen elveszhet, hogy a tumor egyes részei egészen másképp működnek, mint a többi.
Az új megközelítés célja, hogy a kutatók ne csak azt lássák, hogyan néz ki egy daganat, hanem azt is, hogyan működnek benne a különböző sejtcsoportok. A vizsgálat technológiai hátterét a szegedi kutatócsoport által létrehozott, automatizált egysejtes kutatási központ biztosítja. Ez a világszinten is egyedülálló rendszer lehetővé teszi, hogy emberi beavatkozás nélkül a nap 24 órájában izolálják a mesterséges intelligencia által nagy pontossággal kijelölt sejteket, majd elvégezzék azok molekuláris elemzését.
A megközelítés alapját a Deep Visual Proteomics adja. A módszerben a mesterséges intelligencia először elemzi a szövettani képet, felismeri a fontos sejttípusokat vagy sejtcsoportokat, majd a kutatók ezeket vékony lézernyalábbal célzottan kiemelik a mintából. Ezután feltérképezik, milyen fehérjék vannak jelen a sejtekben. A fehérjék közvetlenül jelzik, hogyan működik, növekszik, alkalmazkodik vagy válhat ellenállóvá egy daganatsejt. A tanulmányban a kutatócsoport a módszert egy fontos ponton továbbfejlesztette: a képelemzéssel kiválasztott tumorsejtcsoportokat már nemcsak fehérjeszinten vizsgálta, hanem elemezte azt is, hogy az adott sejtben mely gének aktívak. Ez különösen fontos volt azoknál a sejtcsoportoknál, amelyek mikroszkóp alatt is veszélyesebbnek tűntek.
Az MTI beszámolója szerint a kutatók így ugyanazokat a sejtcsoportokat két oldalról tudták megvizsgálni: látták, milyen gének vannak bekapcsolva bennük, és azt is, hogy ebből milyen fehérjeszintű működés valósul meg. A megközelítés segítségével pontosabban feltárható, hogy a tumoron belül eltérően kinéző sejtcsoportok miben különböznek egymástól biológiailag. Ez azért lényeges, mert egy daganatsejt agresszivitását nem egyetlen tényező magyarázza, hanem több folyamat együttese: a génaktivitás, a fehérjék működése, az anyagcsere és az immunrendszerrel való kapcsolat egyszerre alakítja.
Itt állítsa be, hogy az Index az elsők között legyen a Google-találatokban!
Mi lenne, ha a jövő nem csak történne veled, hanem te alakítanád? Ez a könyv segít felkészülni, sosem tapasztalt módon. Tedd meg az első lépést most.
Kövesse az Indexet Facebookon is!
Követem!