O corpo humano depende de instruções genéticas cuidadosamente organizadas que determinam como as células crescem e funcionam. A violação destas instruções pode levar ao câncer. Com o tempo, as células podem acumular erros genéticos que lhes permitem escapar da regulação normal que limita o crescimento e a divisão. Um dos primeiros sinais de alerta desse processo é a presença de anomalias cromossômicas, que incluem alterações no número ou na estrutura dos cromossomos. Esses erros podem levar células saudáveis a se tornarem cancerosas.
Pesquisadores do grupo Korbel da EMBL Heidelberg desenvolveram agora uma poderosa ferramenta baseada em IA que ajuda os cientistas a investigar como surgem essas anomalias cromossômicas. Ao revelar as condições que permitem a formação destes defeitos, a tecnologia poderá ajudar os investigadores a compreender melhor como o cancro começa.
“As anomalias cromossómicas são um fator importante para cancros particularmente agressivos e estão altamente associadas à morte de pacientes, metástases, recorrência, resistência à quimioterapia e rápido aparecimento de tumores”, disse Jan Korbel, cientista sénior do EMBL e autor sénior do novo artigo publicado na revista. a natureza. “Queríamos entender o que determina a suscetibilidade das células a tais alterações cromossômicas e a que taxa tais anormalidades ocorrem quando uma célula normal se divide”.
Uma teoria centenária sobre o câncer
A ligação entre cromossomos anormais e câncer é suspeitada há mais de cem anos. O cientista alemão Theodor Boveri propôs esta ideia pela primeira vez no início do século 20, depois de estudar células ao microscópio. Suas observações o levaram a sugerir que o material cromossômico anormal dentro das células pode desempenhar um papel no desenvolvimento do câncer.
Apesar das teorias de longa data, essas anormalidades têm sido difíceis de estudar. Apenas um pequeno número de células apresenta defeitos cromossômicos em um determinado momento, e muitas dessas células morrem (ou morrem) através da seleção celular natural. Por causa disso, os pesquisadores tradicionalmente tinham que procurá-los manualmente sob um microscópio. Este processo permite aos cientistas isolar apenas algumas células de cada vez para estudos mais aprofundados.
Marco Cosenza, cientista pesquisador do Grupo Korbel, começou a explorar uma solução depois de colaborar com outras equipes EMBL que enfrentavam limitações técnicas semelhantes. Juntamente com colegas, ele ajudou a projetar uma plataforma automatizada que integra microscopia, sequenciamento unicelular e inteligência artificial. O sistema é denominado Genômica e Convergência de Imagens Assistidas por Aprendizado de Máquina (MAGIC).
“Laser Tag” alimentado por IA para células
MAGIC funciona como uma versão altamente automatizada de laser tag. O sistema varre as células e as identifica exibindo uma característica visual específica. Neste estudo, os pesquisadores se concentraram em uma estrutura conhecida como “micronúcleo”.
Micronúcleos são pequenos compartimentos dentro das células que contêm fragmentos de DNA separados do genoma principal. As células que contêm micronúcleos têm maior probabilidade de desenvolver anomalias cromossômicas adicionais, aumentando a probabilidade de desenvolver câncer.
Quando o sistema detecta células contendo micronúcleos, ele as marca com um laser. Este processo de marcação depende de um corante fotoconversível, que é uma molécula fluorescente que muda a cor da luz emitida após exposição à luz.
“Este projeto combina muitos dos meus interesses”, diz Cosenza. “Envolve genómica, imagens microscópicas e automação robótica. Durante o bloqueio relacionado com a COVID-19 em 2020, poderíamos realmente passar algum tempo a aprender e a aplicar a tecnologia de visão computacional de IA a dados de imagens biológicas previamente recolhidos. Mais tarde, concebemos experiências para validá-las e levámo-las mais longe.”
Como funciona o sistema mágico
O sistema funciona em diversas etapas automatizadas. Primeiro, um microscópio automatizado captura um grande conjunto de imagens da amostra celular. Um algoritmo de aprendizado de máquina que foi treinado usando exemplos de micronúcleos contendo células marcadas manualmente analisou as imagens.
Se o algoritmo detectar uma célula com micronúcleo, ele envia a localização para o microscópio. O microscópio então direciona um feixe de luz para aquela célula específica, marcando-a permanentemente com um corante fotoconversível. Os pesquisadores podem então separar essas células marcadas da população de células vivas usando técnicas como a citometria de fluxo. Uma vez isoladas, as células podem ser estudadas com mais detalhes, incluindo a análise de seus genomas.
Ao substituir o processo lento e trabalhoso de busca manual de micronúcleos, o Magic permite que os cientistas examinem muito mais células do que era possível anteriormente. Em menos de um dia, o sistema pode analisar cerca de 100 mil células.
Descobrir com que frequência ocorrem defeitos cromossômicos
Os pesquisadores usaram o MAGIC para estudar anormalidades cromossômicas em células cultivadas originalmente derivadas de células humanas normais. A análise mostrou que pouco mais de 10% das divisões celulares produzem anomalias cromossômicas espontâneas. Quando o gene p53, um conhecido supressor de tumor, sofre mutação, essa taxa quase duplica.
A equipe também examinou outros fatores que podem influenciar a formação de anomalias cromossômicas. Estes incluíram a presença e localização de quebras de DNA de fita dupla nos cromossomos.
Amplo potencial para descoberta biológica
A pesquisa envolve colaboração dentro e fora do EMBL. Os principais contribuidores incluem a equipe Pepperkok no Advanced Light Microscopy Facility (ALMF) e EMBL Heidelberg, o grupo de Isidro Cortes-Ciriano no EMBL-EBI e a equipe de Andreas Kulozik no Centro Alemão de Pesquisa do Câncer (DKFZ), uma parceria entre a Part Molecular University e a University University. Heidelberg.
Magic foi projetado para ser flexível e adaptável. Embora os pesquisadores tenham treinado neste estudo para identificar micronúcleos, a IA subjacente pode ser treinada para identificar muitas outras características celulares.
“Contanto que você tenha uma característica que possa ser discriminada visualmente de uma célula ‘normal’, você pode – graças à IA – treinar o sistema para reconhecê-la”, disse Korbel, “Nosso sistema, portanto, tem potencial para avançar futuras descobertas em muitas áreas da biologia.”
