O metodă de deep learning cartografiază arhitectura spațială a celulelor canceroase cerebrale
Glioblastomul este cel mai mortal și cel mai frecvent tip de tumoră cerebrală malignă la adulți.
Una dintre cauzele pentru care este aproape întotdeauna incurabil este variația mare între celulele tumorale individuale, care trec dinamic între diverse „stări”. Această plasticitate le ajută să evite tratamentele anti-cancer.
Două studii recente realizate de cercetători de la EMBL, Centrul German de Cercetare a Cancerului (DKFZ) și Wellcome Sanger Institute din Marea Britanie arată că aceste schimbări de stare urmează modele previzibile, oferind speranțe pentru terapii viitoare care vizează aceste tipuri de cancer. Rezultatele au fost publicate recent în revista Nature.
Cercetătorii și clinicienii s-au confruntat de mult timp cu heterogenitatea ridicată a tumorilor de glioblastom. Celulele din aceste tumori există în diverse stări, fiecare având trăsături moleculare distincte. Unele seamănă cu celulele nervoase, în timp ce altele se aseamănă cu celulele stem sau ajung în stări agresive, asemănătoare leziunilor. Aceste celule pot, de asemenea, să treacă de la o stare la alta, un fenomen cunoscut sub numele de plasticitate. Datorită acestei plasticități, celulele canceroase supraviețuiesc tratamentelor.
Cu toate acestea, opinia predominantă în domeniu a fost că aceste schimbări de stare sunt în esență aleatorii și foarte greu de prezis. Aceasta este perspectiva pe care cercetătorii din actualul studiu au contestat-o, creând și analizând unul dintre cele mai cuprinzătoare seturi de date moleculare provenite de la pacienți cu glioblastom de până acum.
„Ne-am întrebat – putem reveni la tablă?” a spus Omer Bayraktar. Echipa lui utilizează tehnologii de analiză spațială la nivel unicelular pentru a studia diversitatea celulară a tulburărilor cerebrale. „Putem presupune că nu știm nimic despre această boală și să reconstruim cum se comportă o celulă canceroasă în glioblastom prin abordări cantitative?”
Finanțată printr-un grant Wellcome Leap, echipa lui Bayraktar a examinat ADN-ul, semnele epigenetice (un tip de „notație” moleculară a genelor care reglează expresia acestora) și ARN-ul în tumorile a 12 pacienți, generând cel mai mare atlas molecular de glioblastom de până acum. Pentru a înțelege acest set de date extrem de complex, au colaborat cu echipa lui Oliver Stegle de la EMBL Heidelberg și DKFZ, care sunt experți în aplicarea abordărilor computaționale avansate în probleme fundamentale ale științei vieții.
„Am vrut să aflăm dacă există un sistem specific bazat pe reguli care determină cum celulele trec între aceste stări. Și ne-am întrebat nu doar dacă există reguli, ci și ce ar putea determina aceste reguli.”
Împreună, cercetătorii au descoperit că, contrar a ceea ce se știa anterior, celulele de glioblastom urmează anumite căi stereotipice, previzibile între stările celulare. De asemenea, diferitele stări ale celulelor ocupă nișe spațiale diferite în interiorul unei tumori.
„Prin integrarea datelor la nivel unicelular cu datele de transcriptomică spațială, am constatat că există o arhitectură spațială meticuloasă și foarte specifică a stărilor celulelor canceroase,” a explicat Bayraktar. „Iar aceasta a fost prezentă în fiecare glioblastom studiat la fiecare pacient.”
Echipa a confirmat ulterior aceste date folosind organoizi – celule tumorale prelevate de la pacienți și cultivate în laborator pe un schelet tridimensional, care imită condițiile din creier. Au descoperit că traiectoriile similare ale stării celulare au apărut în organoizii derivați de la pacienți, la fel cum au dedus anterior din datele atlasului de glioblastom.
Acum, cunoscând că celulele de glioblastom urmează anumite traiectorii stereotipice între stări, cercetătorii au început să investigheze cum este reglat acest proces. Pentru aceasta, s-au concentrat asupra rețelelor de reglementare a genelor. Acestea sunt regulile și regulatorii moleculare care determină ce gene sunt exprimate în care celule și când.
Conduși de echipa lui Moritz Mall de la DKFZ, cercetătorii au examinat semnăturile de reglementare a genelor în peste 1 milion de celule de glioblastom derivate de la pacienți și au folosit aceste date pentru a înțelege cum celulele tumorale trec între stări. Au identificat un program de reglementare structurat care guvernează plasticitatea celulară în aceste celule, program care era atât previzibil, cât și ierarhic.
Echipa a identificat, de asemenea, un set de „sisteme de protecție” – regulatori care opresc celulele în stări cu plasticitate scăzută, prevenind astfel trecerea lor către alte stări. Acest aspect a fost deosebit de interesant, deoarece acești regulatori ar putea fi vizați genetic sau farmacologic ca parte a terapiilor împotriva cancerului în viitor.
„Una dintre premisele noastre a fost întotdeauna că, atunci când înțelegem aceste reguli, nu doar observăm ce fac celulele, ci putem și să schimbăm ce fac,” a spus Mall. „Am putea, poate, să le reprogramăm și să le împingem într-o stare care este mai puțin malignă, mai puțin periculoasă.”
Cercetătorii au testat această ipoteză în celulele tumorale cerebrale derivate de la pacienți, unde au descoperit că supraexpresia MYT1L, unul dintre acești „regulatori de protecție” identificați prin acest studiu, ar putea reduce plasticitatea celulară și malignitatea tumorii. Dacă ar fi transplantate în șoareci, aceste tumori „modificate” au dus la o supraviețuire mai bună decât tumori de control. „Rezultatele cu MYT1L au fost interesante, dar descoperirile depășesc mult acest aspect,” a explicat Mall. „Abordarea noastră prezice regulatorii pentru toate stările principale ale celulelor tumorale și am testat aceste predicții experimental.”
„Am reușit să orientăm celulele tumorale către stări specifice prin manipularea doar a unui număr mic de regulatori.” Cu alte cuvinte, predicțiile noului model ar putea fi folosite pentru a ingineriza identitatea unei celule tumorale.
Diversitatea care face glioblastomul atât de greu de tratat s-a dovedit a fi cheia pentru a-l înțelege. Fiecare tumoră, și fiecare celulă din ea, poartă propria combinație de modificări genetice și epigenetice. Într-un milion de celule, acest lucru adună un număr vast de variații naturale în modul în care sunt reglate genele, mult mai mult decât ar putea crea vreodată cercetătorii în laborator.
Pentru a învăța din această variație, echipa lui Stegle a dezvoltat scDORI, o metodă de deep learning care inferă rețelele de reglementare a genelor la nivel unicelular. Comparând modul în care regulatorii și genele lor țintă se schimbă împreună în peste un milion de celule, scDORI identifică care regulatori ghidează celulele către o stare sau alta.
