Aktualności
Badania
18 Kwietnia
Opublikowano: 2018-04-18

Metody obliczeniowe odkrywają nowe mechanizmy powstawania raka

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 PAN im. Nenckiego.

Tradycyjnie nowotwory są diagnozowane i klasyfikowane zgodnie z ich cechami histopatologicznymi. Widziany w mikroskopie obraz nowotworu odzwierciedla sumę zmian w jego genomie, jednak zdarza się, że morfologicznie podobne guzy mogą mieć inne genomy, a pacjenci różne szanse przeżycia i odmienną reakcję na terapię. Dzięki wysiłkom wielu badaczy na świecie udało się stworzyć Atlas Genomu Raka (TCGA), który zawiera 12 tys. próbek 33 typów nowotworów i pozwala na uzyskanie informacji o nowych mechanizmach molekularnych charakteryzujących nowotwór, jego niejednorodności i interakcjach z mikrośrodowiskiem. Dzięki TCGA zidentyfikowano wcześniej nierozpoznane podgrupy molekularne i poszerzono wiedzę, o tym jak dokładniej klasyfikować nowotwory.

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 z Międzynarodowego Instytutu Onkologii Molekularnej (International Institute for Molecular Onkology, IIMO), w skład którego wchodziła także 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.

We wspomnianej wcześniej publikacji 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”. Algorytmy uczenia maszynowego wyszkolone do wyszukiwania wzorów transkrypcyjnych i epigenetycznych badacze zastosowali do danych TCGA w celu oceny stopnia odróżnicowania w 33 typach nowotworów. Dzięki temu udało się zidentyfikować wcześniej nieodkryte 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.

JK

(Źródło: IBD PAN)

Dyskusja (0 komentarzy)