Imagen de los investigadores. - LÓRÁNT SZALAMIA
MADRID, 18 Ago. (EUROPA PRESS) -
No todas las células de un tumor se comportan igual. Algunas pueden presentar características que las hacen más agresivas, pero distinguirlas dentro de la masa tumoral es uno de los retos de la investigación contra el cáncer. Un nuevo método basado en inteligencia artificial permite localizarlas y analizarlas con un nivel de detalle que hasta ahora era difícil de conseguir.
Un grupo del Centro de Investigación Biológica HUN-REN de Szeged (Hungría) ha desarrollado un método basado en inteligencia artificial que permite aislar con gran precisión células seleccionadas, sin intervención humana y de forma continua, para su posterior análisis molecular, lo que podría mejorar el conocimiento sobre las células tumorales.
LA IA SELECCIONA LAS CÉLULAS DEL TUMOR QUE INTERESA ESTUDIAR
Este enfoque se basa en la proteómica visual profunda (DVP). En este método, la inteligencia artificial analiza primero imágenes histológicas de tejido e identifica los tipos o poblaciones celulares relevantes. A continuación, los investigadores utilizan un fino haz láser para aislar con precisión estas células de la muestra.
Posteriormente, se emplea el análisis proteómico para identificar las proteínas presentes en las células seleccionadas. Las proteínas son especialmente informativas, ya que reflejan directamente cómo funciona, crece, se adapta o desarrolla resistencia al tratamiento una célula cancerosa.
En este estudio, publicado en la revista 'EMBO Molecular Medicine', el grupo de investigación perfeccionó aún más el DVP de una manera importante: las poblaciones de células tumorales seleccionadas mediante análisis de imágenes basado en IA se examinaron no solo mediante proteómica (a nivel de proteínas), sino también mediante transcriptómica, que muestra qué genes están activos en una célula.
Esto fue particularmente importante para las poblaciones celulares que parecían más peligrosas al microscopio. Los investigadores pudieron examinar los mismos grupos celulares desde dos perspectivas complementarias: qué genes se activaban en ellas y qué funciones a nivel proteico resultaban de esta actividad.
Con este método, los investigadores pueden revelar con mayor precisión cómo difieren biológicamente entre sí las poblaciones celulares visualmente distintas dentro de un tumor.
Los autores afirman que esto es importante porque la agresividad de una célula cancerosa no se explica por un solo factor, sino por los efectos combinados de la actividad genética, la función proteica, el metabolismo y las interacciones con el sistema inmunitario.
RASTREAR LOS POSIBLES ORÍGENES DE LA METÁSTASIS
En otro estudio, el grupo de investigación demostró el potencial clínico de la tecnología mediante el caso de un paciente joven con melanoma metastásico recurrente. Se analizaron muestras del tumor original del paciente, así como metástasis posteriores en pulmón y cerebro, utilizando patología digital basada en IA y proteómica con resolución espacial.
LAS HUELLAS DE LA METÁSTASIS ESTABAN EN EL TUMOR ORIGINAL
La inteligencia artificial identificó dos poblaciones distintas de células tumorales en el melanoma original del paciente. Las células de las metástasis posteriores se asemejaban principalmente a una de estas poblaciones iniciales. El análisis a nivel proteico confirmó esta observación: el patrón molecular de esta población celular era el más similar al de las lesiones metastásicas. Esto sugiere que podrían haber existido rastros de la posterior propagación de la enfermedad en el tumor original.
"En el caso del melanoma, no solo observamos que distintas partes del tumor presentaban un aspecto diferente. Con este método, también pudimos demostrar que estas diferencias se reflejaban a nivel proteico. Esto podría acercarnos a comprender qué poblaciones celulares son responsables de la formación de metástasis", ha afirmado Ede Migh, biólogo y uno de los investigadores que participaron en el estudio.
