Cercetători din Statele Unite au folosit Inteligenţa Artificială (IA) pentru a înţelege mecanismele de bază ale proteinelor care iniţiază tumorile şi metastazele pulmonare în cancerul de sân triplu negativ.
Un studiu al specialiştilot de la Northwestern Medicine, din Statele Unite, a identificat o proteină care determină apariţia cancerului de sân şi a metastazelor. Descoperirile, reuşite de cercetători cu ajutorul algoritmilor inteligenţi, au fost publicate în jurnalul eLife.
Celulele care iniţiază apariţia tumorilor, au proprietăţi similare cu cele ale celulelor stem-progenitoare, şi sunt considerate esenţiale pentru dezvoltarea cancerului şi generarea metastazelor în multe tipuri de malignitate.
Elucidarea proceselor moleculare de bază a reprezentat o provocare, potrivit autoarei principale a studiului dr. Huiping Liu, profesor de farmacologie şi medicină la departamentul de hematologie şi oncologie al clinicii NW.
Combinând algoritmi inteligenţi de învăţarea automată (deept learning) cu cercetările experimentale, dr. Liu şi echipa ei au demonstrat că membrana proteinei CD81 interacţionează cu alte celule, identificate anterior că iniţiază tumori, numite CD44 (marker pentru celulele canceroase), promovând formarea unor grupuri de celule tumorale care promovează metastazele pulmonare în cancerul de sân triplu negativ (TNBC - Triple negative breast cancer).
„Descoperirile extind cunoştinţele despre reţeaua moleculară de reglare a celulelor stem în cancerul de sân şi pot fi semnificative pentru noi ţinte terapeutice”, a declarat dr. Liu.
Cancerul de sân triplu negativ însumează între 10% - 15% dintre cazurile de cancer de sân nou diagnosticate, având o rată foarte crescută de metastazare, şi o supravieţuire scăzută pe termen lung.
TNBC metastazează în organele viscerale, respectiv plămâni, ficat şi creier. În timp ce mecanismele celulare care contribuie la răspândirea celulelor canceroase metastatice rămân în mare parte necunoscute, reţelele de proteine oferă un indiciu, spune dr. Liu.
„Ştim că funcţiile proteinelor şi reţelele lor reprezintă pilonul de bază care mediază în mod direct fenotipurile şi performanţa celulară”, a explicat ea.
În cercetările anterioare, laboratorul său a constatat că markerul pentru celulele iniţiatoare de tumori ale sânului, glicoproteinele de suprafaţă CD44, mediază formarea de clustere de celule tumorale circulante (CTC) - două sau mai multe celule - iar expresia sa îmbogăţită de astfel de aglomerări celulare estimează o supravieţuire globală nefavorabilă a pacienţilor cu cancer de sân, în special de tipul triplu negativ. Clusterele CTC posedă o eficienţă de 100 de ori mai mare decât celule tumorale circulante individuale, în dezvoltarea metastazelor.
În acest studiu, pentru a caracteriza reţeaua de proteine CD44, oamenii de ştiinţă au descoperit că aceste celule se leagă de CD81, ambele fiind necesare pentru formarea clusterelor CTC şi a metastazelor, ceea ce indică funcţiile indispensabile ale tandemului CD44 şi CD81, pentru adeziunea celulară şi interacţiunile intercelulare în metastaze, a precizat dr. Liu.
Pentru a demonstra parteneriatul dintre cele două proteine membranare, oamenii de ştiinţă au folosit un model structural al proteinelor, bazat pe algoritmi de calcul sofisticat (învăţare automată – deep learning) pentru a anticipa regiunile de contact şi reziduurile de aminoacizi implicate în interacţiunea acestor proteine. Oamenii de ştiinţă au utilizat, totodată, şi abordări experimentale pentru a valida interacţiunile dintre CD44 şi CD81.
„Învăţarea automată şi învăţarea profundă au transformat modelarea structurii proteinelor, facilitând foarte mult înţelegerea moleculară şi dezvoltarea terapeutică pentru TNBC şi alte boli oncologice metastatice”, a spus dr. Liu.
Medicul a precizat că algoritmii inteligenţi nu numai că vor putea creşte exponenţial screening-ul terapeutic simulat pentru a oferi cea mai bună eficacitate şi cea mai scăzută toxicitate a tratamentelor, dar vor face medicina personalizată mai uşor de realizat şi mai accesibilă.
În continuare, cercetătorii îşi propun să combine analiza biomarkerilor CTC cu dezvoltarea personalizată a unor terapii ţintite.
