Tieteelliset ja teknologiset uutiset

Tekoäly ja aivokasvain 🧠

Vaikka gliasolukasvain on erittäin aggressiivinen aivokasvain, joka tänä päivänä antaa vain vähän toivoa parantumiselle, tutkijat ovat onnistuneet tunnistamaan erilaisia tämän kasvaimen muotoja ja kartoittamaan ne tarkasti analysoimalla geenisäätelytekijöiden aktiivisuutta.

Nämä uudet tiedot avaavat tien parempaan hoitoon tälle syövälle ja uusien kohdennettujen hoitojen kehittämiseen.


Gliasolukasvain on yleisin, mutta myös aggressiivisin aivokasvain. Ranskassa diagnosoidaan vuosittain noin 3500 uutta tapausta. Huolimatta monista tieteellisistä edistysaskelista, tämä kasvain on edelleen parantumaton voimakkaan molekyylisen ja solullisen heterogeenisuuden vuoksi, mikä vaikeuttaa standardoitujen hoitosuunnitelmien käyttöä.

"Ongelma on se, että jokainen kasvain on erityinen: ilmenneet geenit ovat lukuisia ja erilaisia, ja ne muodostavat monimutkaisen vuorovaikutusverkoston. Työmme paljastaa hierarkian, jota hallitsevat 'pääsäätelijät' - hyperyhteyksissä olevat avainelementit - jotka ylläpitävät aktiivisesti kasvainta", selittää Mohamed Elati, CANTHER-laboratorion "Digitaaliset järjestelmät & Laskennallinen syöpä" -tiimin johtaja Lillessä.

Tutkijat pyrkivät luokittelemaan kasvaimia hoitojen tarkentamiseksi ja olivat toistaiseksi onnistuneet tunnistamaan 4 kasvainalaryhmää potilaiden transkriptioprofiilien (geenien ilmentyminen) perusteella. Mutta jotkut ryhmät olivat edelleen hyvin heterogeenisiä.

Tässä uudessa tutkimuksessa tutkijat keskittyivät säätelymolekyylien, transkriptiotekijöiden, aktiivisuuteen, jotka vuorovaikuttavat geeniemme kanssa, aktivoiden tai estäen niiden ilmentymistä. Ihmisellä on 2375 transkriptiotekijää ja koefaktoria, joista 539 on aktiivisia gliasolukasvaimen mekanismeissa.

Kiitos tekoälyn ja erityisesti koneoppimisen, tutkijat pystyivät yhdistämään tietoja 16 kansainvälisestä tutkimuksesta, jotka on toteutettu usean vuoden aikana (noin 1600 potilasta). Tämä lähestymistapa mahdollisti suurimman gliasolukasvaimen transkriptiotoiminnan kartoituksen tähän mennessä ja tunnisti tällä kertaa ei vähempää kuin 7 kasvaintyypin alaryhmää, joista jokainen liittyy erityisiin biologisiin mekanismeihin ja erilaisiin ennusteisiin (katso kuva).


Tämä bioinformatiikka-työkalu, joka on tieteellisen yhteisön käytettävissä ja nimeltään GBM-cRegMap, pyrkii tarkasti määrittämään yksilöllisistä molekyylitiedoista kasvaimen ominaisuudet sen havaitsemishetkellä, mutta myös hoidon jälkeen uusiutumisen hetkellä. Arvokkaita tietoja gliasolukasvaimen mekanismien ja sen kehityksen ymmärtämiseksi, mutta myös henkilökohtaisempien hoitojen kehittämiseksi.

Tämä kartta paljastaa myös, että nykyiset esikliiniset mallit (solumallit, jotka simuloivat kasvainta ja mahdollistavat uusien hoitojen testaamisen) eivät todellisuudessa vastaa kaikkia tunnistettuja kasvaintyyppejä, mikä korostaa uusien solulinjojen kehittämisen tarvetta.