Los investigadores han utilizado datos de expresión genética de alta resolución de células tumorales individuales para ajustar la capacidad de una herramienta de inteligencia synthetic llamada PERCEPCIÓN para predecir las respuestas a los fármacos.
Crédito: Creado por Linda Wang con Biorender.com
Qué
En un estudio de prueba de concepto, investigadores de los Institutos Nacionales de Salud (NIH) han desarrollado una herramienta de inteligencia synthetic (IA) que utiliza datos de células individuales dentro de los tumores para predecir si el cáncer de una persona responderá a un fármaco específico. Investigadores del Instituto Nacional del Cáncer (NCI), parte de los NIH, publicaron su trabajo el 18 de abril de 2024 en cáncer de la naturaleza, y sugieren que dichos datos de secuenciación de ARN unicelular algún día podrían usarse para ayudar a los médicos a relacionar con mayor precisión a los pacientes con cáncer con medicamentos que serán efectivos para su cáncer.
Los enfoques actuales para hacer coincidir a los pacientes con los medicamentos se basan en la secuenciación masiva de ADN y ARN tumoral, que toma un promedio de todas las células de una muestra de tumor. Sin embargo, los tumores contienen más de un tipo de célula y, de hecho, pueden tener muchos tipos diferentes de subpoblaciones de células. Las células individuales de estas subpoblaciones se conocen como clones. Los investigadores creen que estas subpoblaciones de células pueden responder de manera diferente a medicamentos específicos, lo que podría explicar por qué algunos pacientes no responden a ciertos medicamentos o desarrollan resistencia a ellos.
A diferencia de la secuenciación masiva, una tecnología más nueva conocida como secuenciación de ARN unicelular proporciona datos de resolución mucho mayor, hasta el nivel unicelular. El uso de este enfoque para identificar y atacar clones individuales puede conducir a respuestas farmacológicas más duraderas. Sin embargo, los datos de expresión génica unicelular son mucho más costosos de generar que los datos de expresión génica en masa y aún no están ampliamente disponibles en entornos clínicos.
En el nuevo estudio, los investigadores investigaron si podrían usar una técnica de aprendizaje automático llamada aprendizaje por transferencia para entrenar un modelo de IA para predecir las respuestas a los medicamentos utilizando datos de secuenciación masiva de ARN ampliamente disponibles, pero luego ajustar ese modelo utilizando datos de secuenciación de ARN unicelular. . Utilizando este enfoque a partir de datos de líneas celulares publicados a partir de exámenes de detección de fármacos a gran escala, los investigadores construyeron modelos de IA para 44 medicamentos contra el cáncer aprobados por la Administración de Alimentos y Medicamentos. Los modelos de IA predijeron con precisión cómo responderían las células individuales tanto a fármacos individuales como a combinaciones de fármacos.
Luego, los investigadores probaron su enfoque con datos publicados de 41 pacientes con mieloma múltiple tratados con una combinación de cuatro medicamentos y 33 pacientes con cáncer de mama tratados con una combinación de dos medicamentos. Los investigadores descubrieron que si un solo clon fuera resistente a un fármaco en explicit, el paciente no respondería a ese fármaco, incluso si todos los demás clones respondieran. Además, el modelo de IA predijo con éxito el desarrollo de resistencia en datos publicados de 24 pacientes tratados con terapias dirigidas para el cáncer de pulmón de células no pequeñas.
Los investigadores advirtieron que la precisión de esta técnica mejorará si los datos de secuenciación de ARN unicelular están más disponibles. Mientras tanto, los investigadores han desarrollado un sitio internet de investigación y una guía sobre cómo utilizar el modelo de IA, llamado Planificación personalizada basada en expresiones unicelulares para tratamientos en oncología (PERCEPTION), con nuevos conjuntos de datos.
Este trabajo fue realizado por el Centro para la Investigación del Cáncer del NCI y dirigido por Alejandro Schaffer, Ph.D., y Sanju Sinha, Ph.D., anteriormente en el NCI, ahora en Sanford Burnham Prebys. Eytan Ruppin, MD, Ph.D. del NCI, supervisó el trabajo.
OMS
Eytan Ruppin, MD, Ph.D., Centro de investigación del cáncerInstituto Nacional del Cáncer
El estudio
“Predecir la respuesta del paciente y la resistencia al tratamiento a partir de la transcriptómica unicelular de sus tumores a través del proceso computacional PERCEPTION” aparece el 18 de abril de 2024 en Cáncer de la naturaleza.
Acerca del Instituto Nacional del Cáncer (NCI): El NCI lidera el Programa Nacional del Cáncer y los esfuerzos de los NIH para reducir drásticamente la prevalencia del cáncer y mejorar la vida de las personas con cáncer. El NCI apoya una amplia gama de investigaciones y capacitación sobre el cáncer de forma externa a través de subvenciones y contratos. El programa de investigación intramuros del NCI lleva a cabo investigaciones innovadoras, transdisciplinarias, básicas, traslacionales, clínicas y epidemiológicas sobre las causas del cáncer, las vías de prevención, la predicción de riesgos, la detección temprana y el tratamiento, incluida la investigación en el Centro Clínico de los NIH, el hospital de investigación más grande del mundo. Obtenga más información sobre la investigación interna realizada en el NCI Centro de investigación del cáncer. Para obtener más información sobre el cáncer, visite el sitio internet del NCI en most cancers.gov o llame al centro de contacto del NCI al 1-800-4-CANCER (1-800-422-6237).
Acerca de los Institutos Nacionales de Salud (NIH): NIH, la agencia de investigación médica del país, incluye 27 institutos y centros y es un componente del Departamento de Salud y Servicios Humanos de EE. UU. Los NIH son la principal agencia federal que realiza y apoya la investigación médica básica, clínica y traslacional, y está investigando las causas, tratamientos y curas de enfermedades comunes y raras. Para obtener más información sobre los NIH y sus programas, visite nih.gov.
