Une équipe multinationale de chercheurs, co-dirigée par le Garvan Institute of Medical Research, a développé et testé un nouvel outil d'IA pour mieux caractériser la diversité des cellules individuelles au sein des tumeurs, ouvrant des portes pour des thérapies plus ciblées pour les patients.
Les résultats sur le développement et l'utilisation de l'outil d'IA, appelé Aanet, ont été publiés aujourd'hui dans Découverte de cancerun journal de l'American Association for Cancer Research.
Toutes les cellules tumorales ne sont pas identiques
Les tumeurs ne sont pas composées d'un seul type de cellule – ils sont un mélange de différentes cellules qui se développent et répondent au traitement de différentes manières. Cette diversité, ou hétérogénéité, rend le cancer plus difficile à traiter et peut à son tour conduire à des résultats plus pires, en particulier dans le cancer du sein triple négatif.
L'hétérogénéité est un problème car actuellement nous traitons les tumeurs comme si elles étaient composées de la même cellule. Cela signifie que nous donnons une thérapie qui tue la plupart des cellules dans la tumeur en ciblant un mécanisme particulier. Mais toutes les cellules cancéreuses ne peuvent pas partager ce mécanisme. En conséquence, bien que le patient puisse avoir une réponse initiale, les cellules restantes peuvent croître et le cancer peut revenir. «
La professeure agrégée Christine Chaffer, co-co-auteur de l'étude et codirectrice du programme de plasticité et de dormance du cancer à Garvan
Mais bien que l'hétérogénéité soit un problème, les chercheurs ne savent pas assez pour le caractériser: « Jusqu'à présent, les chercheurs n'ont pas été en mesure d'expliquer clairement comment les cellules adjacentes dans une tumeur diffèrent les unes des autres, et comment classer ces différences en moyens significatifs pour mieux traiter les tumeurs. tous Les cellules de cette tumeur avec les bonnes thérapies « , ajoute le professeur agrégé Chaffer.
Un nouvel outil caractérise cinq nouveaux groupes de cellules cancéreuses
Pour résoudre ce problème, l'équipe a développé et formé un nouvel outil d'IA puissant appelé Aanet qui peut détecter les modèles biologiques dans les cellules dans les tumeurs.
Ils ont ensuite utilisé l'outil d'IA pour découvrir les modèles dans le niveau d'expression génique des cellules individuelles dans les tumeurs, en se concentrant sur des modèles précliniques de cancer du sein triple négatif et des échantillons humains de cancer du sein positif ER, HER2 positif et triple négatif. Grâce à cela, ils ont identifié cinq groupes de cellules cancéreuses différents au sein d'une tumeur, avec des profils d'expression génique distincts qui ont indiqué de grandes différences de comportement cellulaire.
« En utilisant notre outil d'IA, nous avons constamment pu découvrir cinq nouveaux groupes de types de cellules dans des tumeurs uniques appelées« archétypes ». Chaque groupe a présenté différentes voies biologiques et propensions à la croissance, aux métastases et aux marqueurs d'un mauvais pronostic. Nos prochaines étapes sont de voir comment ces groupes peuvent changer au fil du temps, par exemple avant et après la chimiothérapie», explique le professeur d'associé Chaffer.
Il s'agit d'une première pour la recherche sur le cancer. Co-dirigé, le professeur agrégé Smita Krishnaswamy de l'Université de Yale qui a dirigé le développement de l'outil d'IA indique: « Grâce aux progrès technologiques, les 20 dernières années ont vu une explosion de données au niveau unique du patient. Archétypes significatifs à travers lesquels la diversité peut être analysée pour trouver des associations significatives avec la croissance tumorale spatiale et les signatures métabolomiques.
Nouvelle classification pour conduire de meilleurs traitements ciblés
Les chercheurs disent que l'utilisation de l'AANet pour caractériser les différents groupes de cellules dans une tumeur en fonction de leur biologie ouvre des portes pour un changement de paradigme dans la façon dont nous traitons le cancer.
« Actuellement, le choix du traitement du cancer pour un patient est largement basé sur l'organe dont le cancer provient tel que le sein, les poumons ou la prostate et les marqueurs moléculaires qu'il peut présenter. Mais cela suppose que toutes les cellules de ce cancer sont les mêmes. Au lieu de cela, nous avons maintenant un outil pour caractériser l'hétérogénéité de la tumeur d'un patient et vraiment comprendre ce que chaque groupe de cellules fait à un niveau biologique. Avec un aanet, nous espérons maintenant la conception de la conception de la rationalité. que nous savons ciblera chaque de ces différents groupes à travers leurs voies biologiques. Cela a le potentiel d'améliorer considérablement les résultats pour ce patient », explique le professeur agrégé Chaffer.
Sur l'application d'AANET, l'auteur co-senor de l'étude et directeur scientifique de la professeure de Garvan, Sarah Kummerfeld, déclare: « Nous envisageons un avenir où les médecins combinent cette analyse d'IA avec des diagnostics de cancer traditionnels pour développer des traitements plus personnalisés qui ciblent tous les types de cellules au sein d'une tumeur unique d'une personne. Des maladies telles que les troubles auto-immunes.
Cette recherche a été soutenue par les sources suivantes.
En Australie: La Fondation Nelune, Tour de Cure, Estee Lauder, The Kinghorn Foundation, The Paramor Family Foundation, University of New South Wales Scientia Research Fellowship, Ramaciotti Biomedical Research Award, Arc Development Project Grant et NHMRC Ideas Grants and Investigator Grant.
Aux États-Unis: Gruber Foundation Science Fellowship et Eric et Wendy Schmidt Center au Broad Institute of MIT et Harvard, National Science Foundation, Yale Cancer Center Pilot Grant et Sloan Fellowship.
