PAN informacje

W  kwietniowym numerze czasopisma Cell ukazała się praca, zatytułowana: „Machine Learning Identifies Stemness Features Associated with Oncogenic Dedifferentiation”, której współautorką jest prof. Bożena Kamińska, kierownik Pracowni Neurobiologii Molekularnej w Instytucie Biologii Doświadczalnej im. M. Nenckiego.

Nowotwory są tradycyjnie diagnozowane i klasyfikowane zgodnie z ich cechami histopatologicznymi. Widziany w mikroskopie obraz nowotworu odzwierciedla sumę zmian w jego genomie, jednakże zdarza się, że morfologicznie podobne guzy mogą mieć inne genomy, a pacjenci różne szanse przeżycia i odmienną odpowiedź na terapię. Stworzenie Atlasu Genomu Raka (TCGA) było dużym, międzynarodowym wysiłkiem na rzecz zrozumienia molekularnych podstaw raka i wprowadzenia klasyfikacji opartej o cechy molekularne. Dzięki TCGA zidentyfikowano wcześniej nierozpoznane podgrupy molekularne i poszerzono wiedzę, jak dokładniej klasyfikować nowotwory. Zgromadzony w TCGA zasób wiedzy jest ogromny, gdyż zawiera prawie 12 000 próbek 33 typów nowotworów i pozwala na uzyskanie informacji o nowych mechanizmach molekularnych charakteryzujących nowotwór, jego niejednorodności i interakcjach z mikrośrodowiskiem.

W powstawaniu raka kluczowe jest nagromadzanie się zmian genetycznych w komórkach niezróżnicowanych lub utrata zróżnicowanego fenotypu i nabycie cech typowych dla komórek macierzystych i progenitorowych, zdolnych do odnowy i różnicowania w inne typy komórek. Mimo iż nowotworowe komórki macierzyste zostały odkryte w wielu typach nowotworów, ciągle debatuje się o ich pochodzeniu, tożsamości i specyficznych markerach. Kierowany przez prof. Macieja Wiznerowicza, międzynarodowy zespół naukowców (w tym prof. Bożena Kamińska z Instytutu Nenckiego w Warszawie) poszukiwał uniwersalnych cech „macierzystości” nowotworów i zależności między obecnością tych cech a przeżywalnością pacjenta i reakcją układu odpornościowego gospodarza.

W pracy opublikowanej w prestiżowym czasopiśmie „Cell” zespół badaczy wykazał, że poprzez analizę markerów molekularnych obecnych w prawidłowych, pluripotencjalnych komórkach macierzystych, a zanikających gdy komórki ulegają różnicowaniu, można obliczyć molekularne wskaźniki „macierzystości”. Wykorzystując algorytmy uczenia maszynowego wyszkolone do wyszukiwania wzorów transkrypcyjnych i epigenetycznych, badacze zastosowali je do danych TCGA w celu oceny stopnia odróżnicowania w 33 typach nowotworów. Dzięki takiemu podejściu udało się zidentyfikować wcześniej nie odkryte mechanizmy biologiczne związane z odróżnicowaniem się komórek wywołanym obecnością określonych zmian genetycznych. Analizy mikrośrodowiska 33 typów raka ujawniły nieznane wcześniej powiązania między „macierzystością” raka a mechanizmami, poprzez które nowotwory wymykają się spod kontroli układu odpornościowego oraz wpływają na infiltrację i funkcje komórek odpornościowych. Podwyższone molekularne wskaźniki „macierzystości” odkryto w przerzutach nowotworowych. Wykorzystując molekularne wskaźniki „macierzystości” raka i powiązane z nimi zaburzenia ścieżek sygnałowych, badacze zidentyfikowali nowe cele terapeutyczne i zaproponowali terapie ukierunkowane na zablokowanie macierzystości raka oraz jego różnicowanie.

 Więcej informacji:
https://doi.org/10.1016/j.cell.2018.03.034

https://www.youtube.com/watch?v=7gGoBR6cdXU

Źródło: Instytut Biologii Doświadczalnej im. M. Nenckiego PAN