محققان با توسعه مدل هوش مصنوعی پروتئین تاکس (ProteinTalks) ابزاری نوین ایجاد کردهاند که بر اساس پویایی سطح پروتئینها در طول زمان، نحوه پاسخ سلولهای سرطانی به داروها را پیشبینی میکند. این مدل هوش مصنوعی که در پژوهشی جدید به رهبری روی سان (Rui Sun) و همکارانش؛ در نشریه نیچر (Nature) معرفی شده، توانسته است دقت بالاتری نسبت به روشهای سنتی یادگیری ماشین و مدلهای متکی بر فعالیت ژنها در پیشبینی کارایی داروها به نمایش بگذارد.
شبیهسازی دینامیک سلول در برابر داروها
یکی از چالشهای بنیادین در توسعه درمانهای سرطان، تفاوت رفتار سلولهای سرطانی و تنوع پاسخ آنها به داروهاست. در حالی که مدلهای پایه معمول زیستی مبتنی بر کلاندادههای امیکس (شامل DNA، RNA، پروتئینها و متابولیتها) اغلب رفتار سلول را مانند یک تصویر ثابت بررسی میکنند، مدل هوش مصنوعی پروتئین تاکس تغییرات غیرخطی و پیچیده درون سلول را در بستر زمان دنبال میکند. از آنجا که پروتئینها موتور اصلی رفتار سلول و نحوه مواجهه آن با درمان هستند، تغییرات زمانی آنها مسیر اثرگذاری دارو و ایجاد مقاومت را مشخص میکند.
پژوهشگران برای آموزش این سامانه، ۱۸ رده سلولی سرطان پستان را با ۶۳ داروی ضدسرطان مورد تأیید سازمان غذا و داروی آمریکا (FDA) و ۵۹ ترکیب دو دارویی مورد سنجش قرار دادند. اندازهگیریها پیش از اعمال درمان و سپس در فواصل ۶، ۲۴ و ۴۸ ساعت انجام شد که در نتیجه آن، بیش از ۳۸ میلیون سنجش پروتئینی از ۵٬۵۸۵ پروتئین به همراه هزاران نقطه داده مرتبط با بقای سلولی ثبت گردید. مدل با تحلیل این مسیرهای پاسخی آموخت که تغییرات تدریجی سطح پروتئینها را شبیهسازی کند.
دقت فراتر از آموزش و کشف مقاومتهای دارویی
طبق این مطالعه، پروتینتاکس توانست پاسخ سلولها به ۸۱ ترکیب ضدسرطان را که هرگز در جریان آموزش ندیده بود، به درستی پیشبینی کند. علاوه بر این، با وجود اینکه مدل فقط روی ردههای سلولی سرطان پستان آموزش دیده بود، در پیشبینی پاسخ سلولهای سرطان ریه، روده بزرگ، پانکراس و ملانوما نیز عملکرد موفقی ثبت کرد.
ردیابی پروتئینها به این سلول مجازی امکان داد محرکهای اصلی مقاومت دارویی را شناسایی کند؛ برای نمونه، مشخص شد که خاموش کردن پروتئین AKR1C3 میتواند حساسیت سلولهای سرطانی را نسبت به داروی شیمیدرمانی دوستاکسل (Docetaxel) بازگرداند؛ نتیجهای که سپس از طریق سنجشهای سمیت سلولی در آزمایشگاه نیز تأیید شد.
پزشکی شخصیسازیشده و غربالگری داروهای بازکاربرد
این ابزار همچنین امضاهای پروتئینی ۵۰۱ تومور سرطان پستان سهگانه منفی (نوعی سرطان تهاجمی و فاقد گیرندههای هورمونی) را ارزیابی کرد و بیماران را بر اساس خطر عود و بقای بلندمدت در گروههای درمانی مختلف قرار داد. در این میان، چهار جفت دارویی با اثر ترکیبی سینرژیک و مؤثرتر از مصرف مجزای هر دارو علیه این نوع تهاجمی سرطان شناسایی شدند.
پژوهشگران بیش از ۳٬۰۰۰ داروی بازکاربرد (Repurposed) را نیز به صورت مستقیم روی ارگانوئیدهای برگرفته از بیماران — تومورهای مینیاتوری شبیهساز سرطان فرد — غربالگری کردند. پروتینتاکس توانست گزینههای دارویی هدفمندی را شناسایی کند که قادر به از بین بردن سلولهای تومور در دوزهایی به مراتب کمتر از شیمیدرمانی معمول هستند. به گفته محققان، چنین مدلهایی میتوانند به عنوان سلولهای مجازی قابل تفسیر عمل کنند و مسیر درمانهای شخصیسازیشده را بدون تحمیل هزینههای سنگین آزمایشگاهی هموار سازند.
این خبر بر اساس گزارش منتشرشده در medicalxpress تهیه شده است.
