MADRID, 30 Oct. (EUROPA PRESS) -
Investigadores del Laboratorio Europeo de Biología Molecular (EMBL) han desarrollado una nueva herramienta de inteligencia artificial que, a través de un juego de laser tag molecular, identifica células que pueden arrojar luz sobre los orígenes más tempranos del cáncer. Los hallazgos se publican en 'Nature'.
El cuerpo humano depende de instrucciones genéticas precisas para funcionar, y el cáncer surge cuando estas instrucciones se alteran. Cuando las células acumulan errores genéticos con el tiempo, pueden escapar de los controles normales de su crecimiento y dividirse excesivamente. Las anomalías cromosómicas (defectos numéricos y estructurales en los cromosomas) son un primer paso común en este proceso, y a menudo contribuyen a que las células normales se vuelvan cancerosas.
Esta nueva herramienta de IA desarrollada por investigadores del Grupo Korbel en el EMBL de Heidelberg ofrece ahora un método eficaz para comprender en profundidad cómo surgen estas anomalías cromosómicas. Este conocimiento podría ayudar a los científicos a comprender el origen del cáncer.
"Las anomalías cromosómicas son un factor clave en la aparición de cánceres particularmente agresivos y están estrechamente relacionadas con la muerte del paciente, la metástasis, la recurrencia, la resistencia a la quimioterapia y la rápida aparición de tumores", aporta Jan Korbel, científico sénior del EMBL y autor principal del nuevo artículo. "Queríamos comprender qué determina la probabilidad de que las células sufran tales alteraciones cromosómicas y cuál es la velocidad a la que surgen dichas anomalías cuando una célula aún normal se divide".
La idea de que las anomalías cromosómicas causan cáncer no es nueva. De hecho, hace más de un siglo, el científico alemán Theodor Boveri fue el primero en plantear la hipótesis, basándose en estudios microscópicos, de que el contenido cromosómico anormal en una célula contribuye al desarrollo del cáncer.
Sin embargo, dado que solo una pequeña fracción de células presenta anomalías cromosómicas en un momento dado, y estas células a menudo mueren (o son eliminadas) mediante un proceso de selección natural, su detección ha resultado ser un desafío clave. Los científicos tenían que localizar manualmente estas células al microscopio, y solo se podían aislar unas pocas a la vez para su posterior análisis.
Marco Cosenza, investigador científico del Grupo Korbel, dio con la solución a este problema tras colaborar con otros equipos del EMBL que se enfrentaban a retos similares. Él y sus colaboradores desarrollaron un nuevo sistema autónomo que combina microscopía automatizada, secuenciación unicelular e inteligencia artificial (IA), al que denominaron convergencia de genómica e imágenes asistidas por aprendizaje automático (MAGIC).
En esencia, MAGIC funciona como un juego de laser tag totalmente automatizado. Detecta "enemigos", o células, con una característica visible específica. Para este estudio, los científicos se centraron en una estructura celular llamada "micronúcleo". Los micronúcleos son diminutos compartimentos cerrados dentro de las células que contienen una pequeña porción de ADN celular, separado del grueso del genoma. Las células con micronúcleos tienden a producir nuevas anomalías cromosómicas, lo que las hace más propensas a desarrollar cáncer.
Una vez detectadas las células con micronúcleos, el sistema las etiqueta mediante un láser. Para ello, los científicos utilizaron un colorante fotoconvertible: una molécula fluorescente que experimenta una transformación química al incidir sobre ella la luz, cambiando el color de la luz que emite.
"Este proyecto combinó muchos de mis intereses en uno solo", desarrolla Cosenza. "Involucra la genómica, la imagen microscópica y la automatización robótica. Durante el confinamiento por la COVID-19 en 2020, pude dedicar mucho tiempo a aprender y aplicar tecnologías de visión artificial por computadora a los datos de imágenes biológicas que habíamos recopilado previamente. Después, diseñamos experimentos para validarlos y profundizar en ellos".
En la práctica, MAGIC funciona así: primero, un microscopio automatizado captura una serie de imágenes de una muestra celular. A continuación, un algoritmo de aprendizaje automático, entrenado con conjuntos de datos anotados manualmente de células con micronúcleos, escanea las imágenes. Cuando el algoritmo detecta células con micronúcleos, comparte su ubicación con el microscopio y le indica que ilumine específicamente esas células, marcándolas permanentemente. Las células marcadas pueden entonces separarse fácilmente de las células vivas mediante métodos como la citometría de flujo y, posteriormente, someterse a un análisis más profundo, por ejemplo, observando sus genomas celulares.
Al automatizar el proceso de detección de células con micronúcleos, que antes era laborioso, lento y propenso a errores, MAGIC permite a los científicos estudiar dichas células a una escala y velocidad sin precedentes. En menos de un día, los científicos pueden analizar casi 100.000 células con este método.
El equipo utilizó MAGIC para analizar anomalías cromosómicas en cultivos celulares derivados originalmente de células humanas normales. Los resultados mostraron que poco más del 10% de todas las divisiones celulares resultan en anomalías cromosómicas espontáneas de algún tipo, y que esta tasa casi se duplica cuando un gen específico, p53, un conocido supresor tumoral, muta. Los científicos también estudiaron otros desencadenantes y factores que contribuyen a la formación de anomalías cromosómicas, como la presencia y la ubicación de roturas de ADN bicatenario dentro de un cromosoma.
MAGIC es una técnica muy versátil y adaptable. Si bien los científicos la entrenaron para este estudio para detectar células con micronúcleos, en teoría, el algoritmo puede entrenarse con diversos conjuntos de datos para detectar diferentes características celulares.
"Siempre que se tenga una característica que pueda distinguirse visualmente de una célula 'normal', se puede, gracias a la IA, entrenar al sistema para que la detecte", finaliza Korbel. "Por lo tanto, nuestro sistema tiene el potencial de impulsar futuros descubrimientos en numerosas áreas de la biología".
