A Horváth Péter vezette Lendület Mikroszkópos Képelemzés és Gépi Tanulás Kutatócsoport nemzetközi együttműködésben olyan módszert dolgozott ki, amely mesterséges intelligencia (MI) segítségével egysejtes szinten tárja fel a világossejtes veserák (clear cell renal cell carcinoma) daganatklónjainak genetikai és fehérje-összetételét. Az eredményekről a Molecular Medicine című folyóiratban számoltak be.
A daganatok belső heterogenitása
A rosszindulatú daganatok több, egymástól eltérő működésű sejtcsoportból állnak. Egy szövetmintában már a diagnózis pillanatában ott lehetnek azok a sejtek, amelyek később áttéteket indítanak el vagy kezeléseknek ellenállnak. A hagyományos molekuláris vizsgálatok gyakran a teljes mintát átlagolják, így elhalványulhatnak a tumoron belüli lokális különbségek. Ennek a kihívásnak kíván megfelelni a most bemutatott megközelítés.
Technológiai alapok: automatizált egysejtes központ Szegeden
A vizsgálat technikai hátterét a szegedi kutatócsoport által létrehozott, automatizált egysejtes kutatási központ biztosítja. Ez a rendszer lehetővé teszi, hogy emberi beavatkozás nélkül, folyamatosan (24 órában) izolálják a mesterséges intelligencia által nagy pontossággal azonosított sejteket, majd elvégezzék azok molekuláris elemzését. A megoldás így skálázhatóvá és reprodukálhatóvá teszi az egyes, képi úton kiválasztott sejtcsoportok elemzését.
Deep Visual Proteomics és a módszer továbbfejlesztése
A kutatás alapját a Deep Visual Proteomics módszer adja: az MI először szövettani képeket elemez, felismeri a fontos sejttípusokat vagy sejtcsoportokat, majd a kutatók célzottan, vékony lézernyalábbal kiemelik ezeket a mintából. Ezt követően feltérképezik a kiválasztott sejtek fehérjeállományát, ami közvetlen támpontot ad arra, hogyan működnek, növekednek vagy válhatnak kezelésekkel szemben rezisztenssé a daganatsejtek.
A mostani tanulmányban a csoport továbbfejlesztette a megközelítést: a képelemzés alapján kiválasztott tumorsejt-csoportokat nemcsak proteomikai szinten vizsgálták, hanem egysejtes transzkriptomikai vizsgálattal is feltérképezték, mely gének aktívak az adott sejtekben. Így ugyanazokat a sejtcsoportokat két független molekuláris nézetből lehet elemezni — a génaktivitás és a fehérjeszintű működés párhuzamos összevetésével.
Miért fontos ez?
A módszer lehetővé teszi, hogy pontosabban megkülönböztessék a mikroszkóp alatt eltérően kinéző sejtcsoportok biológiai jellegzetességeit. Ez kritikus jelentőségű, mert egy daganatsejt agresszivitását nem egyetlen faktor határozza meg: egyszerre befolyásolja a génaktivitás, a fehérjefunkciók, az anyagcsere és a kapcsolat az immunrendszerrel. A képi alapú, MI-vezérelt célzás és az egysejtes gén- és fehérjeanalízis ötvözése mélyebb betekintést adhat abba, mely sejtpopulációk lehetnek felelősek áttétekért vagy terápiás rezisztenciáért.
Következő lépések és kilátások
A publikáció bemutatja a módszer műszaki és koncepcionális megvalósíthatóságát világossejtes veserák mintáin. A technológia alkalmazása további kutatásokban segíthet abban, hogy a daganatok belső heterogenitását részletesebben feltérképezzék, és ezáltal célzottabb diagnosztikai és terápiás megoldásokat alakítsanak ki.
A fejlesztés az MI és az automatizált egysejtes munkafolyamatok kombinációjára épít, és új eszközt jelent a daganatbiológia kutatásában, különösen azokban az esetekben, ahol a tumoron belüli kis, de klinikailag jelentős sejtcsoportok korai felismerése kritikus lehet.
