Naukowcy opracowali predykcyjny model ewolucji raka

34

Naukowcy opracowali nowe narzędzie obliczeniowe ALFA-K, które pozwala przewidzieć ewolucję komórek nowotworowych poprzez przyrost i utratę całych chromosomów. To przełomowe rozwiązanie rozwiązuje kluczowy problem w badaniach nad rakiem: nieprzewidywalność adaptacji nowotworu i oporność na leczenie. Analizując dane dotyczące pojedynczych komórek w czasie, ALFA-K ujawnia, które konfiguracje chromosomów sprzyjają przeżyciu komórek nowotworowych, otwierając potencjał ewolucyjnie dostosowanych terapii.

Problem chaosu chromosomowego

Komórki nowotworowe kumulują błędy genetyczne podczas podziału, często zyskując lub tracąc całe chromosomy. Tworzy to zróżnicowaną mieszaninę komórek w obrębie guza, z których każda ma unikalny skład genetyczny. Wcześniej naukowcy nie dysponowali wiarygodną metodą określania, które kombinacje chromosomów odpowiadają za progresję nowotworu. Sama liczba możliwości sprawiła, że ​​prognozowanie było prawie niemożliwe.

ALFA-K rozwiązuje ten problem, śledząc tysiące komórek w czasie, rekonstruując sposób, w jaki przełączają się one między stanami chromosomowymi i ujawniając, które stany są ewolucyjnie korzystne. Jest to niezwykle istotne, ponieważ ewolucja nowotworu nie jest przypadkowa; podąża za mierzalnymi wzorcami w zależności od składu chromosomów i czynników zewnętrznych, takich jak leczenie.

Jak zmiany chromosomalne wpływają na zachowanie nowotworu

Chromosomy zawierają setki lub tysiące genów. Kiedy komórka nowotworowa zyskuje lub traci chromosom, jednocześnie zmienia dawkowanie wielu genów, natychmiast wpływając na wzrost, podział i odporność na stres. Zmiany te umożliwiają nowotworom dokonywanie szybkich skoków ewolucyjnych zamiast stopniowych adaptacji.

Ważne jest, aby pamiętać, że skutek zmiany chromosomalnej zależy od punktu początkowego komórki. Ta sama zmiana może być korzystna w jednym kontekście genetycznym i szkodliwa w innym. To wyjaśnia, dlaczego ewolucja raka była tak trudna do przewidzenia – aż do teraz.

ALFA-K: Nowe podejście do mapowania kondycji

Poprzednie narzędzia postrzegały zmiany chromosomowe jako powszechnie korzystne lub szkodliwe. ALFA-K przyjmuje bardziej zróżnicowane podejście, rekonstruując „krajobrazy sprawności”, które opisują, jak korzystna lub szkodliwa jest zmiana chromosomalna, biorąc pod uwagę istniejącą konfigurację komórki.

Narzędzie określa również ilościowo wpływ niestabilności chromosomów. Na przykład chemioterapia często zwiększa liczbę błędów podczas podziału komórek, powodując szybsze przemieszczanie nowotworów w tych obszarach. W zależności od kształtu krajobrazu może to prowadzić do bardziej stabilnych konfiguracji chromosomów.

W jednym z badań ALFA-K przeanalizował ponad 270 000 różnych konfiguracji chromosomów, ujawniając niedostępne wcześniej spostrzeżenia.

Duplikacja genomu: mechanizm obronny

Badanie wyjaśnia również rolę duplikacji całego genomu, gdy komórka kopiuje wszystkie swoje chromosomy. Poprzednie badania sugerowały, że chroni komórki nowotworowe, ale zakres tej ochrony pozostawał niejasny. ALFA-K określa teraz ilościowo ten efekt buforowania, identyfikując próg, przy którym podwojenie genomu staje się korzystne.

Jest to kluczowe ustalenie, ponieważ poziom ochrony nie jest bezwzględny; istnieje punkt, w którym podwojenie zapewnia przewagę w zakresie przetrwania.

Przyszłość ewolucyjnego, świadomego leczenia raka

ALFA-K przenosi badania nad rakiem z nadzoru na przewidywanie. Rozumiejąc ewolucję nowotworów, lekarze będą w stanie skuteczniej interpretować powtarzane biopsje, przewidywać niebezpieczne przejścia i wybierać metody leczenia zapobiegające szkodliwym konfiguracjom chromosomów.

Celem długoterminowym jest „terapia oparta na informacjach ewolucyjnych” – przewidywanie, jak nowotwory będą się zmieniać zanim pojawi się oporność, zamiast reagować później. Badanie to stanowi znaczący krok w kierunku spersonalizowanego leczenia raka w oparciu o modele predykcyjne ewolucji nowotworu.

Badanie zostało sfinansowane przez Narodowy Instytut Raka i pokazuje potencjał zastosowania biologii obliczeniowej do rozwiązywania podstawowych problemów w badaniach nad rakiem.