A rákos daganat nem egyetlen ellenség: sokféle, eltérően működő sejtcsoportból áll. Ezek között már a diagnózis pillanatában ott rejtőzhetnek azok a sejtek is, amelyek ellenállhatnak a kezelésnek, és hónapokkal vagy évekkel később áttéteket indíthatnak el. Ezeket a kritikus sejtcsoportokat rendkívül nehéz idejében felismerni, pedig a legveszélyesebbek korai felismerése életet menthet. Ehhez kerültek egy nagy lépéssel közelebb szegedi kutatók, svájci és svéd partnerekkel.
A nemrégiben tudományért felelős államtitkárrá kinevezett Horváth Péter vezette Lendület Mikroszkópos Képelemzés és Gépi Tanulás Kutatócsoport a daganatok biológiai viselkedésének jobb megismerésére keres megoldást. A Szegedi Biológiai Kutatóközpontban működő csoport mesterséges intelligencián alapuló módszereket fejleszt, amelyek a mikroszkópos szövettani képeket molekuláris információkkal kapcsolják össze. A napokban két meghatározó közleményük jelent meg a nemzetközi tudományos szakirodalomban azokról a kutatásaikról, amelyekben a világon elsőként elemezték AI segítségével egysejt-szinten a tumorklónok genetikai és fehérjeállományát, valamint a tumorklónok áttétképzésének genetikáját, ajtót nyitva ezzel a jövő precíziós tumorterápiájára.
A hagyományos molekuláris vizsgálatok során jellemzően a teljes szövetminta egészét elemzik, ezért könnyen rejtve maradhat, hogy a tumor egyes részei egészen másképp működnek, mint a többi. Az új megközelítés célja, hogy a kutatók ne csak azt lássák, hogyan néz ki egy daganat, hanem azt is, hogyan működnek benne a különböző sejtcsoportok. Így a tumor belső térképe nemcsak láthatóvá, hanem molekulárisan is olvashatóvá válik.
Nemzetközi együttműködés, világszinten egyedülálló szegedi rendszer
A Szegedi Biológiai Kutatóközpontban működő csoport svéd és svájci partnerekkel együtt fejleszti a szövetek mély, sejtszintű elemzésére alkalmas digitális patológiai és térbeli genomikai technológiákat, amely utóbbiak a sejtekben működő génekről és fehérjékről adnak felvilágosítást. Az együttműködés egyik meghatározó szereplője Holger Moch, a Zürichi Egyetemi Kórház világszerte elismert molekuláris patológusa, valamint Markó-Varga György, a Lundi Egyetem kutatóprofesszora.
A munka fontos technológiai hátterét a szegedi kutatócsoport által létrehozott, automatizált egysejtes kutatási központ adja. Ez a világszinten is egyedülálló rendszer lehetővé teszi, hogy az AI által kijelölt sejteket nagy pontossággal, emberi beavatkozás nélkül, akár a nap 24 órájában izolálni tudják egy robotlézer segítségével a mintából, és részletes molekuláris elemzésnek vessék alá a kivágott sejtet.
A megközelítés alapját a Deep Visual Proteomics (DVP) technika adja. A módszerben a mesterséges intelligencia először a szövettani képet elemzi, abban felismeri a fontos sejttípusokat vagy sejtcsoportokat, majd ezeket egy lézernyalábbal célzottan kiemelik a mintából. Ezután proteomikai elemzéssel feltérképezik, milyen fehérjék vannak jelen a sejtekben. A fehérjék közvetlenül jelzik, hogyan működik, növekszik, alkalmazkodik vagy éppen hogyan válhat ellenállóvá egy-egy daganatsejt.
Pontosabb térkép az agresszív sejtek működéséről
A most közzétett tanulmányban a kutatócsoport világviszonylatban is egyedülálló módon, egysejt-szinten vizsgálta a tumorklónok genetikai és fehérje állományát, azaz feltérképezte, hogy a daganaton belül felfedezett, eltérő kinézetű sejtcsoportok miben különböznek egymástól biológiailag.
A kutatók elsősorban azokra a sejtekre koncentráltak, amelyekről már a mikroszkópos értékelés is azt sugallta, hogy veszélyesebbek lehetnek a környező sejteknél – tehát azokat, amelyekről már a mikroszkóp alatt látott jellemzők alapján felvetődött, hogy fontos szerepet játszhatnak a daganat terjedésében és így a kórfolyamat egyre kiterjedtebbé válásában. A szegedi kutatók ezeket az AI-alapú képelemzéssel kiválasztott sejtcsoportokat a korábbinál pontosabb elemzéseknek vetették alá: nemcsak fehérjeszinten vizsgálták az agresszív biológiai viselkedésre utaló jegyeket hordozó sejteket, hanem azt is megnézték, mely gének aktívak a sejtekben, tehát ötvözték a legmodernebb sejtanalitikai technikákat, a proteomikát és a transzkriptomikát.
Ezzel a módszerrel sokkal átfogóbban tudták jellemezni a vizsgált tumorsejtcsoportokat, a kétféle elemzés ugyanis egymás mellett tárta fel, hogy milyen gének vannak bekapcsolva a sejtekben, és ezekből milyen fehérjeszintű működés valósul meg. Ez azért nagyon lényeges, mert egy daganatsejt biológiai értelemben vett agresszivitását nem egyetlen tényező magyarázza, hanem a génaktivitás, a fehérjék működése, az anyagcsere és az immunrendszerrel való kapcsolat együtt alakítja.
Visszakövethető lehet az áttétek forrása
A kutatócsoport másik vizsgálatában egy fiatal, kiújult, áttétes melanomában szenvedő beteg esetén keresztül világította meg az AI-technológiában rejlő lehetőségeket, amelyeknek a nem túl távoli jövőben kiemelt jelentőségük lehet a klinikumban. A beteg eredeti tumorából, valamint a későbbi tüdő- és agyi áttétekből származó mintákat AI-alapú digitális patológiával és térbeli felbontású proteomikával vizsgálták.
A mesterséges intelligencia a beteg eredeti melanomájában két eltérő tumorsejtcsoportot talált. A későbbi áttétek sejtjei főként az egyik korai csoporthoz hasonlítottak, és ezt a fehérjeelemzés is megerősítette: ennek a sejtcsoportnak a molekuláris mintázata állt legközelebb az áttétekéhez. Ez arra utal, hogy a betegség terjedésének nyomai már az első tumorban jelen lehettek.
„A bemutatott eset kapcsán nem egyszerűen azt láttuk, hogy a melanomás daganat különböző részei másképp néznek ki. A módszerrel azt is meg tudtuk mutatni, hogy ezek a különbségek fehérjeszinten is megjelennek. Ez közelebb vihet annak megértéséhez, mely sejtcsoportok lehetnek felelősek az áttétek kialakulásáért” – magyarázza Migh Ede, a kutatás egyik résztvevője.
Hogyan segítheti ez a jövő betegellátását?
A szegedi kutatócsoport egymásra épülő munkái kiválóan szemléltetik, hogy a daganatokat egyre kevésbé lehet egységes tömegként kezelni. Egy tumoron belül különböző sejtcsoportok élhetnek egymás mellett, és ezek közül néhány különösen fontos szerepet játszhat az áttétek kialakulásában, az agresszív növekedésben vagy a kezelésekkel szembeni ellenállóképességben.
Az AI ebben a megközelítésben nem önmagában diagnosztizál, hanem új felbontást ad a daganat vizsgálatához. Míg a hagyományos patológiai értékelés során a szakember nagyobb szöveti régiókat osztályoz, a mesterséges intelligencia sejtről sejtre képes elemezni a mintát. Így láthatóvá válhat, hogy a tumor különböző részein milyen típusú daganatsejtek, milyen mintázatban és milyen arányban vannak jelen.
„Minél pontosabban látjuk, mely sejtek viszik előre a betegséget, annál közelebb kerülhetünk ahhoz, hogy ne csak általánosságban kezeljük a tumort, hanem annak legveszélyesebb részeire próbáljunk célzottan hatni a megfelelő gyógyszerekkel vagy gyógyszer-kombinációkkal” – mutat rá Horváth Péter a kutatás gyakorlati jelentőségére.
Bár idő kell még ahhoz, hogy ezek az eredmények beépüljenek a klinikai gyakorlatba és az erre alapozott terápiás döntéshozatal minden daganatos beteg ellátásában megjelenjen, hatalmas előrelépést jelentenek abban az irányban, hogy a jövőben pontosabban lehessen feltérképezni egy-egy daganat biológiai viselkedését, előre lehessen jelezni a legkritikusabb kockázatokat, és még inkább személyre szabott terápiás döntéseket lehessen hozni.
Normalizálódott a magyarországi villamosenergia-rendszer erőművi teljesítménye, ezért a MAVIR Magyar Villamosenergia-ipari Átviteli Rendszerirányító Zrt. visszavonta a krízishelyzet besorolást.