Mezinárodní tým výzkumníků vycházel při své práci z faktu, že nádory se neskládají pouze z jednoho typu buněk, ale jsou jejich kombinací. Tyto různé buňky se jinak množí a jinak také reagují na terapii. Heterogenita nádorového mikroprostředí komplikuje léčbu zhoubných novotvarů. Výsledky pak i přes nejmodernější postupy nemusejí být optimální. Příkladem může být triple-negativní karcinom prsu.
Spoluautorka studie a spoluředitelka programu Cancer Plasticity and Dormantcy v Garvanu docentka Christine Chafferová upřesnila, že dnes se nádory léčí, jako by byly tvořené pouze jedním typem buněk. Zvolená terapie zaměřená na konkrétní mechanismus maligního bujení ale zlikviduje jen tu část buněk, které ho sdílí, zbytek může po počátečním potlačení růstu nádoru začít proliferovat a vést k relapsu onemocnění.
Výsledky dosažené s nástrojem AAnet byly nedávno představeny v časopisu Cancer Discovery. AAnet zachycuje funkční stav buněk z multimodálních dat. Dokáže detekovat biologické vzorce nádorových buněk, což je přesně to, co lékaři potřebují. Doposud totiž podle docentky Chafferové nebyli odborníci schopni přesně vysvětlit, jak se buňky jednoho tumoru od sebe liší a jak vzhledem k těmto rozdílům nastavit lepší a cílenější protinádorovou léčbu.
Vědci použili AAnet k odhalení vzorců genové exprese jednotlivých nádorových buněk, přičemž se zaměřili na různé modely triple-negativního karcinomu prsu. Nový nástroj umělé inteligence identifikoval u těchto modelů 5 skupin nádorových buněk s odlišnými profily genové exprese, které naznačují velké rozdíly v chování buněk. Každá skupina vykazovala různé biologické dráhy a sklony k proliferaci a metastatickému šíření a různé markery nepříznivé prognózy.
Další výzkum se podle názoru docentky Chafferové bude snažit zjistit, jak se jednotlivé typy buněk v průběhu času mění, jak na ně působí chemoterapie a další léčba.
Vývoj AAnetu vedla docentka Smita Krishnaswamy z Yale Univerzity. Podle ní lze díky podrobným datům o různých typech nádorových buněk analyzovat jejich rozmanitost, a najít tak snáze souvislosti s prostorovým růstem nádoru a metabolomickými podpisy.
Využití AAnetu k charakterizaci různých skupin buněk v nádoru může podle Christine Chafferové změnit přístup k řešení onkologických onemocnění. Dnes je dle jejího názoru volba terapie založena hlavně na orgánu, který je zhoubným bujením zasažen, a na molekulárních markerech, které může vykazovat. To však předpokládá, že všechny buňky v tumoru jsou stejné.
Díky AAnetu se s jistotou ukazuje, že to tak není. S pomocí AI lze již dnes odhalit chování jednotlivých skupin buněk, a do budoucna tak zlepšovat kombinovanou protinádorovou terapii, především zpřesnit jejich zaměření na každou z těchto buněčných skupin.
Vědci si od integrace AAnet do diagnostických procesů onkologických onemocnění slibují personalizovanější léčbu, která by se zaměřila na všechny typy buněk v jedinečném nádoru konkrétního pacienta. Studie se sice nyní zaměřila na triple-negativní karcinom prsu, ale AAnet by mohl být podle autorů výzkumu aplikována i na jiné druhy onkologických onemocnění a dokonce i na jiné nemoci.
(hno)
Zdroje:
1. Venkat A., Youlten S. E., San Juan B. P. et al. AAnet resolves a continuum of spatially-localized cell states to unveil intratumoral heterogeneity. Cancer Discov 2025 Jun 24, doi: 10.1158/2159-8290.CD-24-0684 [Epub ahead of print].
2. Palma G., Frasci G., Chirico A. et al. Triple negative breast cancer: looking for the missing link between biology and treatments. Oncotarget 2015; 6 (29): 26560–26574, doi: 10.18632/oncotarget.5306.
