Szegedi kutatók jelentős előrelépést tettek a daganatsejtek vizsgálatában, melynek során mesterséges intelligenciát alkalmaztak. A Horváth Péter vezette Lendület Mikroszkópos Képelemzés és Gépi Tanulás Kutatócsoport nemzetközi együttműködésben fejlesztett ki egy új módszert. Céljuk a rákos tumorokban rejlő, kezeléseknek ellenálló vagy áttéteket okozó sejtcsoportok korai és pontos felismerése.
A kutatók az EMBO Molecular Medicine című folyóiratban számoltak be arról, hogy a világon először sikerült egysejt-szinten megmérni a tumorklónok genetikai és fehérjeállományát. Ezt a leggyakoribb és legtöbb halálesettel járó vesedaganat, a világossejtes veserákból származó mintákon végezték el. A hagyományos molekuláris vizsgálatok gyakran a teljes szövetmintát elemzik egyszerre, ami miatt a tumor egyes részeinek eltérő működése könnyen elveszhet.
Az új megközelítés célja, hogy a kutatók ne csupán a daganat morfológiai megjelenését lássák, hanem azt is megértsék, hogyan működnek benne a különböző sejtcsoportok. A vizsgálat technológiai alapját egy szegedi kutatócsoport által létrehozott, automatizált egysejtes kutatási központ biztosítja. Ez a világszinten is egyedülálló rendszer emberi beavatkozás nélkül, a nap 24 órájában képes izolálni a mesterséges intelligencia által nagy pontossággal kijelölt sejteket, majd elvégezni azok molekuláris elemzését.
A módszer alapját a Deep Visual Proteomics adja, amelyben a mesterséges intelligencia először elemzi a szövettani képet. Ennek során felismeri a fontos sejttípusokat vagy sejtcsoportokat, amelyeket a kutatók ezután vékony lézernyalábbal célzottan kiemelnek a mintából. Ezt követően feltérképezik, milyen fehérjék vannak jelen ezekben a sejtekben, mivel a fehérjék közvetlenül jelzik a daganatsejt működését, növekedését, alkalmazkodását vagy ellenálló képességét.
A tanulmányban a kutatócsoport továbbfejlesztette a módszert: a képelemzéssel kiválasztott tumorsejtcsoportokat már nemcsak fehérjeszinten vizsgálták, hanem elemezték azt is, hogy mely gének aktívak az adott sejtben. Ez a kiterjesztett vizsgálat különösen fontos volt azoknál a sejtcsoportoknál, amelyek mikroszkóp alatt is veszélyesebbnek tűntek.
A rákos tumorok rendkívül heterogén struktúrák, amelyek sokféle, eltérően működő sejtcsoportból állnak. Már a diagnózis pillanatában is jelen lehetnek olyan rejtett sejtek, amelyek hónapokkal vagy évekkel később áttéteket indíthatnak el, vagy ellenállhatnak a rákellenes kezeléseknek. Ezen kritikus sejtcsoportok időben történő felismerése jelenti a rákgyógyászat egyik legnagyobb kihívását.
A hagyományos molekuláris vizsgálatok gyakran a teljes szövetmintát egyszerre elemzik, ami miatt a tumor egyes részeinek egyedi biológiai működése könnyen elveszhet az átfogó képben. Ez a megközelítés nem teszi lehetővé a tumoron belüli finomabb különbségek azonosítását, amelyek pedig kulcsfontosságúak lehetnek a betegség lefolyása szempontjából. A szegedi kutatók ezért egy olyan technológiát fejlesztettek ki, amely képes áthidalni ezt a hiányosságot.
Az MTI beszámolója szerint a kutatók az új megközelítés révén ugyanazokat a sejtcsoportokat két oldalról tudták megvizsgálni: feltérképezték a bennük bekapcsolt géneket, és azt is, hogy ebből milyen fehérjeszintű működés valósul meg. Ez a kettős elemzés lehetővé teszi, hogy pontosabban feltárható legyen, miben különböznek egymástól biológiailag a tumoron belül eltérően kinéző sejtcsoportok.
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 a daganat viselkedését. Az egysejt-szintű, kombinált genetikai és proteomikai elemzés mélyebb betekintést nyújt ezekbe az összetett interakciókba.
Az új módszer segítségével a kutatók nem csak azt láthatják, hogyan néz ki egy daganat, hanem azt is, hogyan működnek benne a különböző sejtcsoportok. Ez a funkcionális megértés alapvető fontosságú a daganatsejtek viselkedésének, például az áttétképző képességüknek vagy a gyógyszerrezisztenciájuknak a megértéséhez.
A szegedi kutatócsoport által kifejlesztett Deep Visual Proteomics módszer és az automatizált egysejtes kutatási központ jelentős potenciállal bír a rákdiagnosztika és -terápia jövőjében. Az egysejt-szintű, mesterséges intelligencia alapú elemzés lehetőséget teremt a személyre szabottabb kezelések kidolgozására, amelyek a tumor egyedi biológiai profiljához igazodnak.
A tumorok heterogenitásának mélyebb megértése hozzájárulhat a rezisztencia kialakulásának megelőzéséhez és az áttétek korai, pontosabb azonosításához. Ez az áttörés új irányt mutathat a rákos megbetegedések elleni küzdelemben, mivel a precízebb diagnózis és a célzottabb terápiás stratégiák kidolgozásának alapjait fekteti le. A kutatás eredményei reményt adnak arra, hogy a jövőben hatékonyabban kezelhetők lesznek a daganatos betegségek, különösen azok, amelyek jelenleg nehezen reagálnak a terápiára.
📰 Forrás: Index — Eredeti cikk elolvasása