Untuk menghasilkan terapi bertarget yang efektif untuk kanker, para ilmuwan perlu mengisolasi karakteristik genetik dan fenotipik sel kanker, baik di dalam maupun di berbagai tumor, karena perbedaan tersebut berdampak pada bagaimana tumor merespons pengobatan.
Bagian dari pekerjaan ini membutuhkan pemahaman yang mendalam tentang RNA atau molekul protein yang diekspresikan setiap sel kanker, di mana ia berada di tumor, dan seperti apa rupa di bawah mikroskop.
Secara tradisional, para ilmuwan telah melihat satu atau lebih dari aspek -aspek ini secara terpisah, tetapi sekarang merupakan alat AI pembelajaran mendalam baru, sel sel (lingkungan sel lokal dan pemindaian lingkungan), memadukan ketiga domain bersama -sama, menggunakan kombinasi jaringan saraf konvolusional dan grafik jaringan saraf untuk membangun profil digital yang komprehensif untuk setiap sel tunggal. Hal ini memungkinkan sistem untuk mengelompokkan sel dengan biologi yang sama – secara efektif memisahkan bahkan mereka yang tampak sangat mirip dalam isolasi, tetapi berperilaku berbeda tergantung pada lingkungannya.
Studi yang diterbitkan baru -baru ini di Imunologi Alammerinci hasil kolaborasi antara peneliti dari MIT, Harvard Medical School, Yale University, Stanford University, dan University of Pennsylvania – upaya yang dipimpin oleh Bokai Zhu, MIT Postdoc dan anggota Institut Broad MIT dan Harvard dan Ragon Institute of MGH, MIT, dan Harvard.
Zhu menjelaskan dampak dari alat baru ini: “Awalnya kami akan mengatakan, oh, saya menemukan sel. Ini disebut sel T. Menggunakan dataset yang sama, dengan menerapkan celllens, sekarang saya dapat mengatakan ini adalah sel T, dan saat ini sedang menyerang batas tumor spesifik pada pasien.
“Saya dapat menggunakan informasi yang ada untuk lebih menentukan apa sel, apa subpopulasi sel itu, apa yang dilakukan sel itu, dan apa yang potensial pembacaan fungsional sel itu. Metode ini dapat digunakan untuk mengidentifikasi biomarker baru, yang memberikan informasi spesifik dan terperinci tentang sel -sel yang sakit, memungkinkan pengembangan terapi yang lebih bertarget.”
Ini adalah kemajuan kritis karena metodologi saat ini sering kali kehilangan informasi molekuler atau kontekstual kritis – misalnya, imunoterapi dapat menargetkan sel -sel yang hanya ada pada batas tumor, membatasi kemanjuran. Dengan menggunakan pembelajaran yang mendalam, para peneliti dapat mendeteksi banyak lapisan informasi yang berbeda dengan sel, termasuk morfologi dan di mana sel secara spasial dalam jaringan.
Ketika diterapkan pada sampel dari jaringan sehat dan beberapa jenis kanker, termasuk limfoma dan kanker hati, sel -sel sel mengungkap subtipe sel imun yang jarang dan mengungkapkan bagaimana aktivitas dan lokasi mereka berhubungan dengan proses penyakit – seperti infiltrasi tumor atau penekanan kekebalan tubuh.
Penemuan ini dapat membantu para ilmuwan lebih memahami bagaimana sistem kekebalan tubuh berinteraksi dengan tumor dan membuka jalan bagi diagnostik dan imunoterapi kanker yang lebih tepat.
“I’m extremely excited by the potential of new AI tools, like CellLENS, to help us more holistically understand aberrant cellular behaviors within tissues,” says co-author Alex K. Shalek, the director of the Institute for Medical Engineering and Science (IMES), the JW Kieckhefer Professor in IMES and Chemistry, and an extramural member of the Koch Institute for Integrative Cancer Research at MIT, as well as an Institute member of the Broad Institute dan anggota Ragon Institute. “Kami sekarang dapat mengukur sejumlah besar informasi tentang sel individu dan konteks jaringan mereka dengan uji multi-omic yang mutakhir. Secara efektif meningkatkan data untuk mencalonkan timah terapeutik baru adalah langkah penting dalam mengembangkan intervensi yang lebih baik. Ketika digabungkan dengan data input yang tepat dan validasi kesehatan yang hati-hati.
