ორ ადამიანს შეიძლება მსგავსი სიმსივნე და ერთნაირი გენეტიკური მუტაციები ჰქონდეს, მაგრამ ერთსა და იმავე წამალზე სრულიად განსხვავებულად რეაგირებდეს. რატომ ხდება ასე? Microsoft-ისა და პარტნიორი ინსტიტუტების მკვლევრები პასუხს კიბოს უჯრედების ქცევაში ეძებენ.
მეცნიერების ყურადღების ცენტრშია არა მხოლოდ ის, სად წარმოიშვა სიმსივნე ან რა მუტაციები აქვს მას, არამედ ისიც, როგორ მოქმედებენ უჯრედები, როგორ ურთიერთქმედებენ გარემოსთან და როგორ იცვლებიან მკურნალობის გავლენით.
Microsoft-ის მიერ გავრცელებული მასალის თანახმად, ლორინ კროუფორდისა და მისი გუნდის კვლევა ჟურნალ Nature Methods-ში გამოქვეყნდა. ნაშრომი ხელოვნური ინტელექტის დახმარებით უჯრედების ქცევის უკეთ შესწავლას ემსახურება – ისეთი კანონზომიერებების გამოსავლენად, რომლებიც ტრადიციულ მიდგომებს შეიძლება გამორჩეს.
კვლევა Project Ex Vivo-ს ნაწილია – Microsoft-ისა და Broad Institute-ის თანამშრომლობა, რომელსაც Dana-Farber-ის კიბოს ინსტიტუტიც უჭერს მხარს.
პროექტი ყურადღებას ამახვილებს უჯრედის მდგომარეობაზე: როგორ ფუნქციონირებს ის კონკრეტულ გარემოში და როგორ პასუხობს გარე ზემოქმედებას. ამ მდგომარეობამ შეიძლება გავლენა მოახდინოს წამლისადმი მგრძნობელობაზე, მკურნალობის მიმართ გამძლეობის განვითარებასა და დაავადების აგრესიულობაზე.
კროუფორდის განმარტებით, ორ პაციენტს შეიძლება ერთი და იგივე მუტაცია ჰქონდეს, მაგრამ მათი სიმსივნური უჯრედები განსხვავებულ მდგომარეობაში იყოს – რაც მკურნალობის შედეგებისთვის მნიშვნელოვანია.
პროექტის მიზანია, მომავალში გენეტიკურ მონაცემებს უჯრედების ქცევისა და გარემოს შესახებ ინფორმაციაც დაემატოს, რათა სიმსივნის უფრო სრული სურათი შეიქმნას.
კვლევის ერთ-ერთი მთავარი გამოწვევა ორგანიზმის გარეთ სიმსივნის ზუსტად წარმოდგენაა.
მეცნიერები კიბოს უჯრედებს ლაბორატორიაში ზრდიან და მათზე პრეპარატებს ცდიან. იყენებენ ორგანოიდებსაც – სამგანზომილებიან მოდელებს, რომლებიც სიმსივნის ზოგიერთი თვისების გამეორებას ემსახურება. თუმცა ეს მოდელები ყოველთვის ვერ ასახავს იმას, რაც ადამიანის ორგანიზმში ხდება.
მაგალითად, პანკრეასის კიბოში მკვლევრებმა აღწერეს უჯრედების ორი ფართო მდგომარეობა, რომლებიც განსხვავებულ შედეგებსა და მკურნალობაზე პასუხს უკავშირდება. კროუფორდის თქმით, ლაბორატორიაში გაზრდილი მოდელები ხშირად მხოლოდ ერთ მათგანს ასახავს.
შედეგად, კვლევიდან მნიშვნელოვანი ინფორმაცია იკარგება: პრეპარატი შეიძლება ლაბორატორიულ მოდელზე ეფექტიანი ჩანდეს, პაციენტის სიმსივნე კი განსხვავებულად იქცეოდეს.
ხელოვნური ინტელექტის განვითარებაში გავრცელებული მიდგომაა მოდელისთვის სულ უფრო დიდი მოცულობის მონაცემების მიწოდება. თუმცა გუნდის მიერ აღწერილი შედეგები მიუთითებს, რომ რაოდენობასთან ერთად გადამწყვეტია მრავალფეროვნებაც.
Microsoft-ის მასალის მიხედვით, AI მოდელები მეტს სწავლობენ მაშინ, როდესაც უჯრედების ქცევის ფართო სპექტრს ხედავენ, ვიდრე მხოლოდ მონაცემების მოცულობის გაზრდით.
Project Ex Vivo-ს თანახელმძღვანელისა და Broad Institute-ის მკვლევრის, პიტერ ვინტერის განმარტებით, მონაცემებში წარმოდგენილი უჯრედული მდგომარეობების მრავალფეროვნება განსაზღვრავს, რა ტიპის დასკვნების გამოტანა შეუძლია მოდელს.
ეს განსხვავება პრაქტიკულად მნიშვნელოვანია: თუ სასწავლო მასალა სიმსივნის მხოლოდ შეზღუდულ ვარიანტებს მოიცავს, მონაცემების დამატებამ შესაძლოა რეალური ბიოლოგიური სირთულე მაინც ვერ ასახოს.
მკვლევრები უჯრედების მდგომარეობის უკეთ გაზომვას ორ ძირითად შესაძლებლობას უკავშირებენ.
პირველი პაციენტებისთვის არსებული მკურნალობის უკეთ შერჩევაა. სიმსივნეების უფრო ზუსტმა დაჯგუფებამ შეიძლება მეცნიერებს კლინიკურ კვლევებში იმ პაციენტების ჩართვაში დაეხმაროს, რომლებთანაც კონკრეტულ პრეპარატს მოქმედების მეტი შანსი აქვს.
მეორე ახალი წამლების შექმნას ეხება. სამომავლოდ სამიზნე შეიძლება მხოლოდ გენეტიკური მუტაცია აღარ იყოს: მკვლევრებმა შესაძლოა უშუალოდ უჯრედის მდგომარეობაზე ზემოქმედება სცადონ ან ის ისეთი მიმართულებით შეცვალონ, რომ სიმსივნე მკურნალობისადმი უფრო მგრძნობიარე გახდეს.
Dana-Farber-ის ონკოლოგისა და პროექტის თანახელმძღვანელის, სრივატსან რაღავანის თქმით, ექიმებისთვის მნიშვნელოვანი გამოწვევაა იმის გაგება, სიმსივნის რომელი მახასიათებლები განსაზღვრავს მის ქცევასა და მკურნალობაზე პასუხს დროთა განმავლობაში.
კროუფორდი ამ სფეროში მათემატიკისა და სტატისტიკის მიმართულებიდან მივიდა. დიუკის უნივერსიტეტში სწავლისას ხელმძღვანელმა ურჩია, მხოლოდ მონაცემების ანალიზით არ შემოფარგლულიყო და გაეგო, როგორ იქმნებოდა ეს მონაცემები.
მან მუშაობა კიბოს ბიოლოგიის ლაბორატორიაშიც დაიწყო, სადაც მკვლევრები უშუალოდ ცოცხალ უჯრედებს სწავლობდნენ. თავდაპირველად ეს გამოცდილება უცხო გარემოში მოხვედრას ჰგავდა, თუმცა მოგვიანებით საკუთარი პროფესიული გზის ერთ-ერთ საუკეთესო გადაწყვეტილებად შეაფასა.
დღეს იგივე პრინციპი Project Ex Vivo-ს მუშაობაშიც ჩანს: გამოთვლითი მეთოდების სპეციალისტები და ექსპერიმენტატორები პრობლემებს ერთობლივად იკვლევენ, AI ინსტრუმენტებსა და ანონიმიზებულ პაციენტთა ნიმუშებს იყენებენ.
2022 წელს დაწყებული პროექტი კომპიუტერულ მოდელებს ვირტუალური ექსპერიმენტებისთვისაც იყენებს. მათი დახმარებით გუნდი პერსპექტიულ ვარაუდებს არჩევს, სანამ მათ ლაბორატორიაში გამოცდაზე დროსა და რესურსებს დახარჯავს.
შემდეგი ამოცანაა უჯრედული მდგომარეობების მკაფიოდ განსაზღვრა და სხვადასხვა ტიპის კიბოში მათი მნიშვნელობის გადამოწმება.
კვლევა ჯერ არ ნიშნავს, რომ AI-მ კიბოს ახალი მკურნალობა შექმნა ან პაციენტისთვის ეფექტიანი წამლის შერჩევა უკვე გარანტირებულად შეუძლია. მისი მნიშვნელობა სიმსივნის უფრო ზუსტი მოდელების შექმნისა და მკურნალობის შერჩევისთვის დამატებითი ინფორმაციის მიღების შესაძლებლობაშია.
კროუფორდი სფეროს განვითარებას ოპტიმისტურად უყურებს, თუმცა კლინიკურ გამოყენებამდე მთავარი ამოცანა რჩება: ლაბორატორიულ და გამოთვლით მოდელებში მიღებული შედეგები პაციენტების რეალურ გამოცდილებას უნდა შეესაბამებოდეს.
წყარო: Microsoft-ის მიერ გამოქვეყნებული მასალა Project Ex Vivo-ს შესახებ.