Para producir terapias dirigidas efectivas para el cáncer, los científicos necesitan aislar las características genéticas y fenotípicas de las células cancerosas, tanto interiormente como en diferentes tumores, porque esas diferencias afectan la forma en que los tumores responden al tratamiento.
Parte de este trabajo requiere una comprensión profunda de las moléculas de ARN o proteína que cada célula cancerosa expresa, donde se encuentra en el tumor y cómo se ve bajo un microscopio.
Tradicionalmente, los científicos han observado uno o más de estos aspectos por separado, pero ahora una nueva aparejo de IA de educación profundo, CellLens (entorno nave celular y exploración del vecindario), fusiona los tres dominios juntos, utilizando una combinación de redes neuronales convolucionales y gráficos de redes neuronales para construir un perfil digital integral para cada célula. Esto permite que el sistema agrupe células con biología similar, separando efectivamente incluso aquellas que parecen muy similares de forma aislada, pero se comportan de guisa diferente dependiendo de su entorno.
El estudio, publicado recientemente en Inmunología de la naturalezadetalla los resultados de una colaboración entre investigadores del MIT, Harvard Medical School, la Universidad de Yale, la Universidad de Stanford y la Universidad de Pensilvania, un esfuerzo dirigido por Bokai Zhu, un MIT Postdoc y miembro de la Instituto amplio de MIT y Harvard y el Instituto Ragon de MGH, MIT y Harvard.
Zhu explica el impacto de esta nueva aparejo: “Inicialmente, diríamos, oh, encontré una célula. Esto se vehemencia célula T. Usando el mismo conjunto de datos, aplicando CellLens, ahora puedo aseverar que esta es una célula T, y actualmente está atacando un confín tumoral específico en un paciente.
«Puedo usar la información existente para delimitar mejor qué es una celda, cuál es la subpoblación de esa célula, lo que está haciendo esa celda y cuál es la recital utilitario potencial de esa celda. Este método puede estar de moda para identificar un nuevo biomarcador, que proporciona información específica y detallada sobre las células enfermas, que permite un exposición de terapia más dirigido».
Este es un avance crítico porque las metodologías actuales a menudo pierden información molecular o contextual crítica, por ejemplo, las inmunoterapias pueden dirigirse a las células que solo existen en el confín de un tumor, lo que limita la fuerza. Al usar el educación profundo, los investigadores pueden detectar muchas capas diferentes de información con CellLens, incluida la morfología y donde la célula está espacialmente en un tejido.
Cuando se aplica a muestras de tejido sano y varios tipos de cáncer, incluido el linfoma y el cáncer de hígado, Celllens descubrió subtipos de células inmunes raras y reveló cómo su actividad y ubicación se relacionan con los procesos de la enfermedad, como la infiltración tumoral o la supresión inmune.
Estos descubrimientos podrían ayudar a los científicos a comprender mejor cómo el sistema inmunitario interactúa con los tumores y allane el camino para un dictamen e inmunoterapias más precisos de cáncer.
«Estoy extremadamente emocionado por el potencial de las nuevas herramientas de IA, como Celllens, para ayudarnos a comprender más holísticamente los comportamientos celulares aberrantes interiormente de los tejidos», dice el coautor Alex K. Shalekel director del Instituto de Ingeniería Médica y Ciencia (Imes), el profesor de JW Kieckhefer en Imes y Química, y un miembro extramural del Instituto Koch para la Investigación Integrativa del Cáncer en el MITasí como un miembro del Instituto del Broad Institute y miembro del Ragon Institute. «Ahora podemos contar una cantidad tremenda de información sobre las células individuales y sus contextos de tejido con ensayos múltiples de vanguardia.