تحول در درمان سرطان با ابداع «سلول مجازی»

پژوهشگران چینی موفق به توسعه یک مدل پیشرفته هوش مصنوعی شده‌اند که کارکردی مشابه یک سلول مجازی دارد و قادر است با بهره‌گیری از پویایی و تغییرات پروتئین‌ها، مسیر درمان‌های شخصی‌سازی‌شده سرطان پستان را با دقت بالا پیش‌بینی کند.

به گزارش ایسنا، ناهمگونی و تفاوت ساختاری سلول‌های سرطانی موجب می‌شود هر یک واکنش متفاوتی به داروها نشان دهند. به همین دلیل، شناسایی داروی مؤثر و سازگار با یک نوع سلول سرطانی خاص، همواره یکی از چالش‌برانگیزترین و طولانی‌ترین مراحل در فرایند توسعه داروها و طراحی پروتکل‌های درمانی کارآمد به شمار می‌رود.

به گزارش مدیکال اکسپرس، مدل نوین هوش مصنوعی موسوم به «پروتئین‌تاکز» (ProteinTalks) با شبیه‌سازی و پیش‌بینی دقیق اثربخشی داروها بر سلول‌های سرطانی، کشف ترکیبات دارویی نوین و شناسایی پروتئین‌های دخیل در مقاومت دارویی، این مسیر دشوار را هموار ساخته است.

در همین راستا، محققان «دانشگاه وست‌لیک» (Westlake University) واکنش سلول‌های سرطان پستان را در برابر داروهای ضدسرطانِ تأییدشده مورد مطالعه و آزمایش قرار دادند. داده‌های حاصل از این بررسی‌ها به مدل ProteinTalks امکان می‌دهد تا نوسانات و تغییرات سطوح پروتئینی را همگام با میزان اثربخشی داروها رصد و تحلیل کند.

یافته‌ها حاکی از آن است که ProteinTalks در پیش‌بینی واکنش سلول‌های سرطانی به داروها، عملکردی به‌مراتب دقیق‌تر و برتر از مدل‌های هوش مصنوعی مبتنی بر بیان ژن و همچنین روش‌های متداول یادگیری ماشین ارائه داده است. این ابزار هوشمند حتی توانسته واکنش به ترکیبات ضدسرطانی را که پیش‌تر در مرحله آموزش با آن‌ها مواجه نشده بود به‌درستی پیش‌بینی کند و علاوه بر آن، ترکیباتی دارویی را شناسایی نماید که در مهار سرطان پستان، اثربخشی هم‌افزای (سینرژیک) بسیار بالاتری نسبت به تجویز تک‌دارویی از خود نشان می‌دهند.

دانشمندان برای ارزیابی شیوه‌های نوین درمانی و پیش از ورود به مراحل هزینه‌بر آزمایشگاهی، ناگزیرند واکنش سلولی به داروها را با استفاده از بسترهای محاسباتی شبیه‌سازی کنند. سلول‌های مجازی گزینه‌ای ایده‌آل برای رفع این معضل محسوب می‌شوند؛ مشروط بر اینکه امکان مدل‌سازی تغییرات پیچیده و غیرخطیِ رخ‌داده در طول زمان درون سلول فراهم باشد.

اگرچه مدل‌های بنیادین هوش مصنوعی آموزش‌دیده بر پایه کلان‌داده‌های زیستی (شامل دی‌ان‌ای، آران‌ای، پروتئین‌ها و متابولیت‌ها) چشم‌اندازی روشن پیش‌روی ایجاد سلول‌های مجازی ترسیم کرده‌اند، اما بیشتر مدل‌های موجود رفتارهای سلولی را تنها به‌صورت یک تصویر ایستا و لحظه‌ای تحلیل می‌کنند، نه یک فرایند پویا و در حال تحول در گذر زمان.

مدل ProteinTalks با بهره‌گیری توأمان از الگوهای دگرگونی پروتئین‌ها و داده‌های دارویی آموزش داده شده است تا سازوکار واکنش زمانی سلول‌ها به درمان را به‌خوبی درک کند. نتایج تحقیقات نشان داد که ProteinTalks در جایگاه یک سلول مجازی هوشمند، دینامیک و پاسخ زمانی سلول‌های سرطانی به ترکیبات درمانی منفرد را با دقتی شگفت‌انگیز بازسازی می‌کند. این مدل با وجود اینکه منحصراً بر پایه سلول‌های سرطان پستان آموزش دیده بود، توانست واکنش سلول‌های سرطانی در بافت‌های ریه، روده بزرگ، لوزالمعده (پانکراس) و ملانوما را نیز با موفقیت پیش‌بینی کند و با ردگیری نوسانات پروتئینی در طول زمان، عوامل اصلی مقاومت دارویی را آشکار سازد.

همچنین، ProteinTalks از طریق غربالگری مستقیم داروهای تغییرکاربری‌یافته (Repurposed Drugs) بر روی ارگانوئیدهای برگرفته از بیماران (ریزتومورهایی که رفتار سرطان بیمار را تقلید می‌کنند)، درمان‌های شخصی‌سازی‌شده‌ای را شناسایی کرد که می‌توانند سلول‌های تومور را در دوزهایی بسیار پایین‌تر از شیمی‌درمانی‌های رایج نابود سازند. این سامانه هوشمند فهرستی تازه و امیدبخش از ترکیبات دارویی مؤثر را که اثر هم‌افزا در مهار سرطان دارند، به پژوهشگران ارائه داده است.

چالش اثربخشی متغیر داروها از بیماری به بیمار دیگر، همواره یکی از موانع اصلی در درمان قطعی سرطان بوده است. این مدل نوآورانه متکی بر پویایی پروتئین‌ها می‌تواند گامی بنیادین در گسترش سلول‌های مجازیِ تفسیرپذیر هوش مصنوعی باشد؛ ابزاری که می‌تواند پیش از صرف هزینه‌های سنگین آزمایشگاهی، گزینه‌های دارویی بهینه را شناسایی کرده و راهبرد درمانی هر بیمار را دقیقاً منطبق بر نیمرخ پروتئینی تومور وی هدایت نماید.

شایان ذکر است نتایج کامل این پژوهش علمی در نشریه معتبر «نیچر» (Nature) به چاپ رسیده است.

منبع