O corpo humano depende de instruções genéticas cuidadosamente orquestradas que determinam como as células crescem e funcionam. O câncer pode começar quando essas instruções são violadas. 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 levar as células saudáveis a se tornarem cancerosas.
Pesquisadores do grupo de Korbel no EMBL Heidelberg desenvolveram uma poderosa ferramenta baseada em IA que ajuda os cientistas a investigar como surgem essas anormalidades cromossômicas. Ao identificar as condições que permitem a formação destes erros, a tecnologia poderá ajudar os investigadores a compreender melhor como o cancro começa.
“As anomalias cromossómicas são uma das 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, investigador sénior do EMBL e autor sénior do novo artigo publicado na revista. Natureza. “Queríamos entender o que determina a probabilidade de as células sofrerem tais alterações cromossômicas e qual é a taxa de ocorrência de tais anormalidades quando uma célula normal ainda está se dividindo”.
Teoria milenar sobre o câncer
Há mais de cem anos que se suspeita de uma ligação entre cromossomas anormais e cancro. O cientista alemão Theodor Boveri propôs esta ideia pela primeira vez no início do século XX, depois de estudar células ao microscópio. Suas observações o levaram a sugerir que o conteúdo anormal dos cromossomos dentro das células pode desempenhar um papel no desenvolvimento do câncer.
Apesar da teoria de longa data, estudar essas anomalias tem sido difícil. Apenas um pequeno número de células apresenta defeitos cromossômicos em um determinado momento, e muitas dessas células morrem (ou são destruídas) como resultado da seleção celular natural. Por causa disso, os pesquisadores tradicionalmente tinham que procurá-los manualmente sob um microscópio. Este processo permitiu aos cientistas isolar apenas algumas células de cada vez para estudos mais aprofundados.
Marco Cosenza, investigador do Grupo Korbel, iniciou a procura de uma solução após colaborar com outras equipas EMBL que enfrentavam limitações técnicas semelhantes. Juntamente com colegas, ele ajudou a desenvolver uma plataforma automatizada que combina microscopia, sequenciamento unicelular e inteligência artificial. O sistema é denominado Machine Learning Genomics and Image Convergence (MAGIC).
“Lasertag” para células baseadas em IA
O MAGIC funciona como uma versão altamente automatizada do laser tag. O sistema verifica as células e identifica aquelas que apresentam uma determinada característica visível. Neste estudo, os pesquisadores se concentraram em uma estrutura conhecida como “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 suas chances de se tornarem cancerosas.
Quando o sistema detecta células contendo micronúcleos, ele as marca com um laser. Este processo de rotulagem depende de um corante fotoconversível, que é uma molécula fluorescente que muda a cor da luz emitida após exposição à luz.
“Este projeto combinou muitos dos meus interesses em um só”, disse Cosenza. “Isso inclui genômica, imagens microscópicas e automação robótica. Durante o bloqueio da COVID-19 em 2020, pude passar algum tempo explorando e aplicando tecnologias de visão computacional de IA aos dados de imagens biológicas que coletamos anteriormente. Depois disso, projetamos experimentos para testá-los e expandi-los ainda mais.”
Como funciona o sistema MAGIC
O sistema funciona em diversas etapas automatizadas. Primeiro, um microscópio automatizado captura um grande conjunto de imagens de uma amostra de células. Um algoritmo de aprendizado de máquina que foi treinado usando exemplos rotulados manualmente de micronúcleos contendo células analisa as imagens.
Quando o algoritmo detecta uma célula com micronúcleo, ele envia a localização para o microscópio. O microscópio então direciona um feixe de luz para aquela célula específica, marcando-a permanentemente com um corante fotoconversível. Mais tarde, os pesquisadores podem isolar essas células marcadas de populações de células vivas usando técnicas como a citometria de fluxo. Uma vez isoladas, as células podem ser submetidas a estudos mais detalhados, incluindo análise do seu genoma.
Ao substituir o processo lento e demorado de busca manual de micronúcleos, o MAGIC permite que os cientistas examinem muito mais células do que era possível anteriormente. Em menos de um dia, o sistema pode analisar cerca de 100 mil células.
Descobrir com que frequência ocorrem erros cromossômicos
Os pesquisadores usaram 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 causam anomalias cromossômicas espontâneas. Quando o gene p53, um conhecido supressor de tumor, sofre mutação, essa taxa quase dobra.
A equipe também estudou outros fatores que podem influenciar a formação de anomalias cromossômicas. Estes incluíram a presença e posição de quebras de fita dupla de DNA nos cromossomos.
Amplo potencial para descobertas biológicas
A pesquisa envolveu colaborações dentro e fora do EMBL. Os principais contribuidores incluíram o Advanced Light Microscopy Facility (ALMF) e a equipe Pepperkok no EMBL Heidelberg, o grupo de Isidro Cortes-Ciriano no EMBL-EBI e a equipe de Andreas Kulozik no Centro Alemão de Pesquisa do Câncer (DKFZ), que também faz parte do Grupo de Parceria de Medicina Molecular (MMPU) entre o EMBL e a Universidade de Heidelberg.
MAGIC foi projetado para ser flexível e adaptável. Embora os pesquisadores o tenham treinado para detectar micronúcleos neste estudo, a IA básica poderia ser treinada para identificar muitas outras características celulares.
“Contanto que você tenha um recurso que possa ser visualmente diferenciado de uma célula ‘normal’, você poderá – graças à IA – treinar o sistema para detectá-lo”, disse Korbel. “Assim, nosso sistema tem potencial para promover descobertas futuras em muitas áreas da biologia.”
