MAGIC: Laserová značka s pomocí AI osvětluje původ rakoviny

Výzkumníci EMBL, Evropské mikrobiální laboratoře, vyvinuli nový nástroj založený na umělé inteligenci, který prostřednictvím molekulárních laserových značek identifikuje buňky, které mohou ozřejmit nejranější původ rakoviny.

Během buněčného dělení se mohou objevit chromozomální abnormality – defekty v počtu nebo struktuře chromozomů –, což může způsobit zvláště agresivní formy rakoviny. Nová studie vrhá světlo na to, jak chromozomální abnormality vznikají v normálních buňkách, jak rychle, a jak jsou tyto rychlosti ovlivněny různými faktory.

Za účelem zkoumání vědci vyvinuli nový nástroj umělé inteligence (AI) nazvaný MAGIC, který kombinuje automatizovanou mikroskopii a analýzu obrazu se sekvenováním genomu jedné buňky. Pochopení molekulárního původu rakoviny by mohlo připravit cestu pro lepší nástroje genetické detekce a potenciální strategie lékařské prevence v budoucnu.

Původ rakoviny

Aby správně fungovalo, spoléhá se lidské tělo na přesné genetické instrukce. Rakovina začíná, když se tyto instrukce pokazí, zakódují. Když buňky v průběhu času hromadí genetické chyby, mohou se vymanit z normálních kontrol svého růstu a začnou se nadměrně dělit. Chromozomální abnormality – numerické a strukturální defekty v chromozomech – jsou běžným prvním krokem v tomto procesu, často přispívají k tomu, že normální buňky se stávají rakovinnými. 

Nový nástroj umělé inteligence vyvinutý výzkumníky z Korbel Group v EMBL Heidelberg nyní nabízí výkonnou metodu, jak získat hluboký pohled na to, jak takové chromozomální abnormality vůbec vznikají. Tyto znalosti by nakonec mohly vědcům pomoci pochopit původ rakoviny.

„Chromozomální abnormality jsou hlavní hnací silou zvláště agresivních typů rakovin a jsou spojeny s vysokou úmrtností pacientů, metastázami, recidivou, rezistencí na chemoterapii a rychlým nástupem nádoru", řekl Jan Korbel, vedoucí vědec EMBL a hlavní autor nového článku, publikovaného v časopise Nature. „Chtěli jsme pochopit, co určuje pravděpodobnost, že v buňce nastanou takové chromozomální změny, a jaká je rychlost, s jakou takové abnormality vznikají, když se ještě normální buňka normálně dělí.”

Myšlenka chromozomálních abnormalit vedoucích k rakovině není nová

Ve skutečnosti německý vědec Theodor Boveri byl před více než stoletím první, kdo na základě mikroskopických studií předpokládal, že abnormální vývoj chromozomů v buňce přispívá k rozvoji rakoviny. 

Protože však pouze malá část buněk vykazuje chromozomální abnormality v daném čase a tyto buňky často umírají (nebo jsou usmrceny) procesem přirozeného výběru, jejich detekce byla dříve klíčovým problémem. Vědci museli takové buňky ručně rozpoznat pod mikroskopem a pro další analýzu bylo možné najednou izolovat jen několik málo buněk. 

Marco Cosenza, vědecký pracovník skupiny Korbel, narazil na řešení tohoto problému poté, co spolupracoval s dalšími týmy v EMBL, které zápasily s podobnými výzvami. On a jeho spolupracovníci vyvinuli nový, autonomní systém, který kombinuje automatizovanou mikroskopii, jednobuněčné sekvenování a AI. Nástroj pojmenovali Machine learning-Assisted Genomics and Imaging Convergence – MAGIC. 

‚Laser tag’ pro přesnou identifikaci a označení buněk

MAGIC v podstatě funguje jako plně automatizovaná hra s laserovým štítkem. Zahlédne ‚nepřátele‘ nebo buňky se zvláštním druhem viditelného prvku. Pro tuto studii se vědci zaměřili na buněčnou strukturu zvanou „mikronukleus“ Mikrojádra jsou malé uzavřené kompartmenty uvnitř buněk, které obsahují malou část buněčné DNA, odtržené od většiny genomu. Buňky s mikrojádry mají tendenci produkovat nové chromozomální abnormality, což zvyšuje pravděpodobnost, že se stanou rakovinnými.

Jakmile jsou buňky s mikrojádry detekovány, systém je označí pomocí laseru. K tomu vědci použili fotokonvertibilní barvivo, fluorescenční molekulu, která prochází chemickou transformací, pokud na ni svítí světlo. Tím se změní barva světla, které vyzařuje.  

„Tento projekt spojil mnoho mých zájmů v jednom“, řekl Cosenza. „Zahrnuje genomiku, mikroskopické zobrazování a robotickou automatizaci. Během omezení souvisejícího s pandemií COVID-19 v roce 2020 jsem mohl skutečně strávit nějaký čas učením a aplikací technologií počítačového vidění AI na biologická obrazová data, která jsme shromáždili dříve. Poté jsme navrhli experimenty, abychom to ověřili a posunuli dále.”

V praxi MAGIC funguje takto

Nejprve automatizovaný mikroskop zachytí sérii snímků buněčného vzorku. Dále algoritmus strojového učení, trénovaný na ručně anotovaných datových sadách buněk obsahujících mikrojádra, skenuje obrázky. Když algoritmus zaznamená buňky s mikrojádry, sdílí jejich umístění s mikroskopem a instruuje jej, aby na tyto buňky specificky posvítil a trvale je označil. Označené buňky pak mohou být snadno odděleny od normálních žijících buněk pomocí metod, jako je průtoková cytometrie, a následně mohou být podrobeny hlubší analýze, např. zkoumání jejich buněčného genomu. 

Automatizací dříve pracného a časově náročného procesu detekce buněk pomocí mikrojader umožňuje MAGIC vědcům studovat takové buňky v měřítku a rychlosti, o kterých se jim dříve ani nezdálo. Za méně než den mohou vědci touto metodou analyzovat téměř 100 000 buněk. 

První slibné výsledky

Tým použil MAGIC k analýze chromozomálních abnormalit v kultivovaných buňkách původně odvozených z normálních lidských buněk. Jejich výsledky ukázaly, že o něco více než 10 % všech buněčných dělení vede ke spontánním chromozomálním abnormalitám nějakého druhu a že tato míra se téměř zdvojnásobí, když je mutován konkrétní gen – p53, dobře známý nádorový supresor. Vědci také studovali další spouštěče a přispěvatele k tvorbě chromozomálních abnormalit, jako je přítomnost a umístění zlomů dvouvláknové DNA v chromozomu.

Spolupráce

Studie zahrnovala spolupráci napříč EMBL i mimo ni, s klíčovými příspěvky od Advanced Light Microscopy Facility (ALMF) a týmu Pepperkok v EMBL Heidelberg, skupiny Isidra Cortes-Ciriana v EMBL-EBI a týmu Andrease Kulozika v German Cancer Research Center (DKFZ), která je také součástí Molecular Medicine Partnership Unit (MMPU) mezi EMBL a University of Heidelberg.

MAGIC je vysoce univerzální a přizpůsobivá technika

Zatímco vědci jej trénovali pro tuto studii, aby rozpoznal buňky, které měly mikrojádra, algoritmus lze teoreticky trénovat na mnoha různých typech datových sad k detekci různých buněčných rysů. „Pokud máte funkci, kterou lze vizuálně odlišit od ‚normální’ buňky, můžete díky AI trénovat systém, aby ji detekoval,” řekl Korbel, „Náš systém má proto potenciál pokročit v budoucích objevech v mnoha oblastech biologie.”

Zdroj: Tisková zpráva EMBL