Cercetătorii de la Weill Cornell Medicine au utilizat inteligenţa artificială (AI) pentru a identifica ţinte ale medicamentelor pe baza cartografierii reţelelor de reglare din tumorile pacienţilor.
Un studiul, publicat pe 4 septembrie, în revista Cell Systems, a identificat şi validat în mod experimental patru medicamente candidate pentru cancerele neuroendocrine, hepatice şi renale, care au un prognostic sumbru cu opţiunile terapeutice actuale.
Recenta cercetare oferă o modalitate complet nouă de a identifica noi ţinte ale medicamentelor pentru multe tipuri de cancer, se arată într-un comunicat al facultăţii de medicină Cornell.
Deşi terapia ţintită pentru unele tipuri de cancer a îmbunătăţit ratele de supravieţuire, rezistenţa la tratament şi progresia bolii care rezultă sunt provocări constante. În plus, multe tipuri de cancer nu au ţinte medicamentoase specifice cunoscute.
Studiul a cartografiat reţelele de reglare a genelor pentru eşantioane de tumori de la 371 de pacienţi care au inclus 22 de tipuri de cancer, utilizând o nouă abordare computaţională. Reţelele de reglare a genelor - modele care descriu relaţiile complexe dintre gene într-o celulă - sunt adesea modificate în cancer.
Construirea unor reţele precise de reglare a genelor nu este o sarcină uşoară. Cercetătorii au încorporat date din celulele tumorale în ARN mesager (ARNm), care este tradus în proteine şi în accesibilitatea cromatinei şi poate ajuta la dezvăluirea modului în care ambalarea ADN-ului şi alţi factori afectează expresia genelor.
Cercetătorii au dezvoltat o abordare computaţională inovatoare, denumită Reţele de reglare a cancerului şi predispoziţii (CaRNetS), pentru a descoperi proteine-cheie care pot fi ţinte ale medicamentelor pentru terapia cancerului în cadrul reţelelor de reglare a genelor.
Ei au identificat ţinte cunoscute, cum ar fi BRAF în piele, CTNNB1 (B-Catenin) în colon şi ERBB2 (Her2) în cancerele pulmonare.
„Cu aceste cazuri pozitive cunoscute ca puncte de referinţă, am căutat să validăm candidaţii de top în cancerele cu terapii limitate în ceea ce priveşte ţintirea eficientă”, au declarat autorii.
Apoi, cercetătorii au folosit abordarea pentru a identifica factorii de transcripţie cheie şi proteinele care interacţionează cu aceştia, care pot fi puncte vulnerabile şi pot fi vizate pentru a opri sau încetini creşterea tumorală. Factorii de transcripţie sunt proteine care se leagă de secvenţe specifice de ADN şi reglează expresia genelor, activând şi dezactivând producţia acestora.
Folosind CaRNets pe eşantioanele tumorale ale pacienţilor, cercetătorii au reuşit să împartă pacienţii în 22 de grupuri - nouă corespundeau unui singur tip de cancer, iar 13 conţineau pacienţi din mai multe tipuri de cancer. În mod important, abordarea a dezvăluit ţinte medicamentoase pentru toate cele 22 de grupuri.
Cercetătorii au validat patru dintre aceste proteine candidate în celule. Ei au constatat că inhibarea proteinelor pe care le-au identificat a afectat în mod semnificativ creşterea, în liniile celulare reprezentând tipuri de cancer renal, hepatic şi neuroendocrin, comparativ cu controalele.
Echipa de la Cornell estimează că, având în vedere uşurinţa de a măsura accesibilitatea cromatinei din ţesuturile pacienţilor pe scară largă, această abordare computaţională va fi utilizată pe scară largă pentru a găsi noi opţiuni de tratament pentru mai multe tipuri şi subtipuri de cancer.
