Проф. Исследовательская группа Эйсика Юна разработала новый, более быстрый метод выявления раковых стволовых клеток (CSC), который может помочь повысить эффективность лечения рака.
РСК могут посеять и развить опухоли в местах метастазирования, вызывая рецидив рака у пациентов после лечения. Они также, как правило, устойчивы к химиотерапии и лучевой терапии, поэтому терапевтические препараты, непосредственно нацеленные на ОСК, могут значительно улучшить эффективность лечения рака. Однако CSC широко различаются среди пациентов и даже внутри них, что затрудняет разработку методов лечения.
РСК идентифицируются по их способности расти до опухолевых сфер в жесткой суспензионной среде. Таким образом, суспензионная культура отдельных клеток оказалась эффективным методом выявления и изучения РСК у конкретного пациента. Кроме того, микрофлюидика значительно улучшила этот метод, поскольку он позволяет надежно изолировать отдельные клетки с высокой пропускной способностью, что помогает уменьшить ложную идентификацию CSC.
Но даже с микрофлюидикой процесс может занять до двух недель. Это не идеально, так как риск неправильного обращения и загрязнения клеток увеличивается с увеличением продолжительности эксперимента.
Чтобы решить эти проблемы, группа Юна разработала и обучила сверточную нейронную сеть (CNN), метод машинного обучения для классификации изображений, для прогнозирования образования опухолевых сфер, происходящих из одной клетки.
"Используя изображения в ярком поле, мы можем предсказать реакцию на лекарство намного раньше, исходя из общих морфологических характеристик жизнеспособности клеток с помощью алгоритмов машинного обучения," Юн говорит.
Модель была обучена соотносить клеточные изображения сфер рака груди в микролунках на 4-й день с их окончательным размером на 14-й день. Используя изображения дня 2, эта модель предсказала формирование опухолевых сфер с 87.Точность 3%. Было 88.Точность 1% с изображениями дня 4. Кроме того, с изображениями дня 4 модель оценила скорость образования опухолевых сфер как 17.8%, что близко к истинному показателю 17.6% в день 14.
Этот метод может помочь в изучении CSC при раке молочной железы, улучшая целевые методы лечения с потенциально аналогичным успехом при других типах рака. Следующий шаг – посмотреть, можно ли широко применить модель к другим формам рака.
"Комбинация анализа отдельных клеток и машинного обучения создаст сильные синергетические эффекты для ускорения биологических открытий," говорит Ю-Чжи Чен, младший научный сотрудник и первый автор статьи. "Поскольку разные типы раковых клеток могут иметь разную скорость пролиферации, нам необходимо нормализовать и перестроить модель, чтобы ее можно было применять в более общем плане и чтобы она была более надежной в клинических применениях."
Бумага, "Раннее прогнозирование скорости образования сфер, полученных с помощью одной ячейки, с использованием сверточного анализа изображений нейронной сети," опубликовано в журнале “Аналитическая химия”.