O corpo humano depende de instruções genéticas cuidadosamente organizadas para orientar as células sobre como crescer e funcionar. Quando essas instruções são interrompidas, o câncer começa. Com o tempo, as células podem acumular erros genéticos que lhes permitem escapar dos controles normais que limitam o crescimento e a divisão. Um dos primeiros sinais de alerta nesse processo é a presença de anomalias cromossômicas, que incluem alterações no número ou na estrutura dos cromossomos. Esses defeitos podem estimular células saudáveis a se tornarem cancerosas.
Pesquisadores do grupo de Korbel no EMBL Heidelberg desenvolveram agora uma poderosa ferramenta baseada em inteligência artificial que pode ajudar os cientistas a estudar como surgem essas anomalias cromossômicas. Ao revelar as condições que levam à formação destes erros, a técnica poderá ajudar os investigadores a compreender melhor como o cancro começa.
“As anomalias cromossómicas são as principais causas de cancros particularmente agressivos e estão fortemente associadas à morte dos 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. natureza. “Queríamos entender o que determina a probabilidade de uma célula sofrer essa alteração cromossômica e com que rapidez essa anormalidade ocorre quando as células ainda normais se dividem”.
Uma teoria centenária sobre o câncer
A ligação entre cromossomos anormais e câncer é suspeitada há mais de 100 anos. O cientista alemão Theodor Boveri teve a ideia pela primeira vez no início do século XX, depois de estudar células ao microscópio. Suas observações o levaram a propor que o conteúdo cromossômico anormal nas células poderia desempenhar um papel no desenvolvimento do câncer.
Apesar da teoria antiga, estudar essas anomalias continua difícil. A qualquer momento, apenas algumas células apresentam defeitos cromossômicos, e muitas delas morrem (ou são mortas) através da seleção celular natural. Portanto, 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 soluções depois de trabalhar com outras equipes do EMBL que enfrentavam restrições técnicas semelhantes. Juntamente com colegas, ele ajudou a projetar uma plataforma automatizada que integra microscopia, sequenciamento unicelular e inteligência artificial. O sistema é chamado de Genômica e Convergência de Imagens Assistidas por Aprendizado de Máquina (MAGIC).
“Rotulagem a laser” de células orientadas por inteligência artificial
O MAGIC funciona como uma versão altamente automatizada de marcação a laser. Este sistema verifica as células e identifica aquelas que apresentam características visíveis específicas. Neste estudo, os pesquisadores se concentraram em uma estrutura chamada “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 chance de câncer.
Quando o sistema detecta células contendo micronúcleos, ele usa lasers para marcá-las. Esse processo de rotulagem depende de corantes fotoconversíveis, que são moléculas fluorescentes que mudam a cor da luz que emitem quando expostas à luz.
“Este projeto combina muitos dos meus interesses”, disse Cosenza. “Envolve genômica, imagens de microscopia e automação robótica. Durante o bloqueio relacionado à COVID-19 em 2020, pude realmente passar algum tempo aprendendo a tecnologia de visão computacional de IA e aplicando-a aos dados de imagens biológicas que havíamos coletado anteriormente. Depois disso, projetamos experimentos para validá-la e desenvolvê-la ainda mais.”
Como funciona o sistema MAGIC
O sistema funciona por meio de diversas etapas automatizadas. Primeiro, os microscópios automatizados capturam um grande número de imagens de amostras de células. Treine um algoritmo de aprendizado de máquina usando exemplos rotulados manualmente de micronúcleos contendo células e depois analise as imagens.
Se o algoritmo detectar uma célula com micronúcleos, a localização é transmitida ao microscópio. O microscópio então ilumina uma célula específica com um feixe de luz, rotulando-a permanentemente com um corante conversor de luz. Os pesquisadores podem então isolar essas células marcadas de populações 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 mais células do que antes. Em menos de um dia, o sistema pode analisar quase 100 mil células.
Descubra com que frequência ocorrem erros cromossômicos
Os pesquisadores usam 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 produziram anomalias cromossômicas espontâneas. Esta taxa de mutação quase duplica quando o conhecido gene supressor de tumor p53 sofre mutação.
A equipe também examinou outros fatores que podem influenciar o desenvolvimento de anomalias cromossômicas. Isso inclui a presença e localização de quebras de DNA de fita dupla no cromossomo.
Amplo potencial para descoberta biológica
A pesquisa envolve colaboração dentro e fora do EMBL. Os principais contribuidores incluem os grupos Advanced Light Microscopy Facility (ALMF) e Pepperkok no EMBL Heidelberg, o grupo de Isidro Cortes-Ciriano no EMBL-EBI e o grupo de Andreas Kulozik no Centro Alemão de Pesquisa do Câncer (DKFZ), que também faz parte da Unidade de Colaboração de Medicina Molecular (MMPU) entre o EMBL e a Universidade de Heidelberg.
MAGIC foi projetado para flexibilidade e adaptabilidade. Embora os pesquisadores o tenham treinado para detectar micronúcleos neste estudo, a inteligência artificial subjacente poderia ser treinada para reconhecer muitas outras características celulares.
“Contanto que você tenha uma característica que seja visualmente distinguível das células ‘normais’, você pode – graças à IA – treinar o sistema para detectá-la”, disse Kobel. “Como resultado, nosso sistema tem potencial para impulsionar futuras descobertas em muitas áreas da biologia”.
