Onderzoekers van de Universiteit van Tel Aviv hebben een AI-gedreven methode ontwikkeld die helpt te begrijpen hoe cellen zich aanpassen aan veranderende biologische omgevingen, zoals die in tumorweefsel. Deze innovatieve benadering biedt meer inzicht in het effect van medicatie op cellen en kan de manier waarop we ziekten begrijpen en behandelen verbeteren.
Het nieuwe systeem, genaamd scNET, combineert gegevens over genexpressie op celniveau met netwerken van geninteracties, waardoor het mogelijk wordt om cruciale biologische patronen te identificeren. Dit biedt nieuwe inzichten in de reactie van cellen op medicijnbehandelingen, met name in de context van kankertherapieën. Het onderzoek stond onder leiding van promovendus Ron Sheinin die werd begeleid door professor Asaf Madi van de Faculteit Geneeskunde en professor Roded Sharan, hoofd van de School of Computer Science and AI aan de Universiteit van Tel Aviv
Ontwikkeling effectievere behandelingen
Het onderzoek is onlangs gepubliceerd in Nature Methods. Daarin wordt beschreven hoe scNET medisch onderzoek kan verbeteren en bijdragen aan de ontwikkeling van effectievere behandelingen. Met de vooruitgang in sequencing-technologieën is het nu mogelijk om de genexpressie van individuele cellen te meten. Voor het eerst kunnen onderzoekers de genexpressieprofielen van verschillende celpopulaties binnen een biologisch monster onderzoeken, en zo het effect van deze cellen op het functionele gedrag van de weefsels begrijpen.
Een interessant voorbeeld van deze technologie is het analyseren van het effect van kankerbehandelingen. Hierbij wordt niet alleen gekeken naar de effecten op de kankercellen zelf, maar ook naar de rol van pro- en anti-kanker ondersteunende cellen, zoals immuuncellen rondom de tumor.
Begrijpen hoe genen samenwerken
scNET integreert sequencing-gegevens van individuele cellen met netwerken van mogelijke geninteracties. Dit maakt het mogelijk om te begrijpen hoe genen elkaar beïnvloeden en samenwerken. scNET stelt onderzoekers in staat om nauwkeuriger bestaande celpopulaties in weefsels te identificeren en te onderzoeken hoe genen zich gedragen onder verschillende omstandigheden. Hierdoor kunnen de complexe mechanismen die de gezonde toestand van cellen of hun reactie op behandelingen bepalen, beter worden geanalyseerd.
Het onderzoek richtte zich met name op de zogenoemde T-cellen. Dit zijn immuuncellen die essentieel zijn in de strijd tegen kanker. scNET onthulde hoe behandelingen de activiteit van deze T-cellen verhoogden, waardoor ze effectiever werden in hun cytotoxische werking tegen tumoren. “Dit toont de kracht aan van kunstmatige intelligentie in het ontcijferen van biologische en medische data, en biedt waardevolle inzichten die voorheen onbereikbaar waren. Het doel is om biomedische onderzoekers computationele tools te bieden die hen helpen te begrijpen hoe cellen functioneren, wat kan leiden tot nieuwe benaderingen van ziektebehandeling”, aldus professor Roded Sharan.
Meerwaarde AI
Er wordt veel onderzoek gedaan om beter inzicht te krijgen in het effect van kankerbehandelingen om meer grip te krijgen op de uitkomst en het verbeteren ervan. Steeds vaker zien we dat daarbij gebruik gemaakt wordt van AI-methodes en -algoritmen. Zo ontwikkelden Amerikaanse onderzoekers onlangs een AI-model waarmee beter voorspeld kan worden wat het effect is van chemotherapie bij patiënten met spierinvasieve blaaskanker. En in 2022 werd aan de Universiteit van Maastricht al een AI-methode ontwikkeld waarmee, aan de hand van MRI’s en CT-scans voorspeld kan worden of een pre-operatieve chemokuur bij vrouwen met borstkanker al dan niet effectief zal zijn.
