Umělá inteligence pomáhá směrovat onkologii k individualizaci léčby

Jeden nádor, různé mutace

Genetické změny vedoucí ke vzniku nádoru jsou u každého jedince velmi individuální. U stejného typu nádoru můžeme dokonce identifikovat odlišné mutační vzorce. Všechny individuální genetické změny jednotlivce vlivem mutací vytváří tzv. mutační profil, který lze stanovit na základě sekvenační analýzy.

Vědci již katalogizovali mutační profily mnoha typů nádorů. Zjistili, že tzv. somatické (tělní) strukturální varianty jsou zodpovědné za více než polovinu všech mutací vyvolávajících nádor. Jedná se o mutace vznikající v somatických buňkách během buněčného dělení, kdy se z mateřské do dceřiné buňky chybně nakopíruje DNA, čímž se změní struktura chromozomů. Se stoupajícím věkem se zvyšuje také pravděpodobnost mutací a chyby v DNA jsou častější. U každého člověka probíhá tento proces zcela individuálně, a proto také soubor těchto změn tvoří u každého člověka zcela jedinečnou mozaiku.

Ačkoliv somatické mutace hrají zásadní roli v rozvoji rakoviny, jsou ještě relativně neprozkoumané. „Neexistuje dostatek metod, které by analyzovaly jejich účinky na buněčnou funkci,“ vysvětluje dr. Ashley Sandersová, vedoucí laboratoře zabývající se genomovou stabilitou v berlínském výzkumném centru Max Delbrück Center. To se ale může nyní změnit díky nové metodě výpočetní analýzy pro detekci a identifikaci následků somatických strukturálních variant. Tento objev například umožnil vědcům lépe pochopit molekulární důsledky jednotlivých somatických mutací u různých pacientů s leukemií.

AI určí dopady mutací na genom

Vědci využili speciální jednobuněčnou metodu sekvenování, tzv. Strand-seq, která byla vědecké veřejnosti poprvé představena v roce 2012. Tato technika dokáže zkoumat buněčný genom mnohem podrobněji než konvenční technologie jednobuněčného sekvenování. Její jedinečnost spočívá v tom, že umí nezávisle analyzovat dva rodičovské řetězce DNA (jeden od otce a jeden od matky), což je s konvenčními metodami sekvenování nemožné. „Rozdělením jednotlivých homologů v buňce lze somatické strukturální varianty identifikovat mnohem lépe než jinými metodami,“ vysvětluje dr. Sandersová. Tento přístup byl již popsán a publikován v Nature Biotechnology v roce 2020.

Díky poznatkům z tohoto výzkumu jsou nyní vědci schopni určit také polohy nukleozomů v každé buňce. Nukleozomy jsou jednotky DNA obalené proteinovými komplexy nazývanými histony a hrají klíčovou roli při organizování chromozomů. Pozice nukleozomů se může během genové exprese měnit, přičemž typ obalu odhaluje, zda je gen aktivní, či nikoli. Sandersová a její kolegové vyvinuli samoučící se algoritmus pro porovnání genové aktivity pacientských buněk se somatickými mutacemi a bez nich, což jim umožňuje určit dopad strukturálních variant na molekulární úrovni.

Znalost mutací umožní personalizaci léčby

„Nyní můžeme na vzorku z konkrétního pacienta najít mutace, které vedly k onemocnění, a také rozpoznat signální dráhy, které mutace narušují,“ vysvětluje dr. Sandersová. Tímto způsobem se například podařilo identifikovat vzácnou, ale velmi agresivní mutaci u pacienta s leukémií. Analýza nukleozomů poskytla vědcům informace o zahrnutých signálních drahách, které použili ke specifické inhibici růstu buněk obsahujících mutaci. „To znamená, že jediný test nám poskytne informace o buněčných mechanismech podílejících se na vzniku rakoviny,“ objasňuje dr. Sandersová. Dodává, že tyto znalosti se mohou nakonec použít k vývoji personalizovaných léčebných postupů, které se řídí individuálním stavem každého pacienta.

(svat)

Zdroj: AI Analysis of Cancer Mutations may Improve Therapy. Digital Health News. 26. 1. 2023. Dostupné na https://www.digitalhealthnews.eu/index.php?option=com_content&view=article&id=6878:ai-analysis-of-cancer-mutations-may-improve-therapy&catid=164:research.

Foto: Pixabay.com