Imunosignatúry sú budúcnosťou diagnostiky nádorových ochorení
— Tomáš TokárVo všeobecnosti platí, že hlavným faktorom určujúcim úspešnosť liečby nádorových ochorení je ich včasná diagnostika. Spoľahlivý a zároveň finančne nenáročný nástroj, ktorý by umožnil v rámci bežného vyšetrenia odhaliť zákernú chorobu v jej rannom štádiu, sa preto stal „svätým grálom“ modernej medicíny. Najnovšie výsledky vedcov z Arizony naznačujú, že jeho nájdenie už možno nie je ďaleko.
Ilustračný obrázok molekulárnych DNA mikročipov (microarray), autor: Guillaume Paumier
Autor článku je absolventom doktorandského štúdia na Katedre Biofyziky, UPJŠ v Košiciach. V súčasnosti pôsobí ako postdoc v Princess Margaret Cancer Centre, v Toronte.
Základom súčasnej molekulárnej diagnostiky nádorových ochorení sú látky – onkomarkery. Ich zvýšená koncentrácia v tkanive, v krvi, alebo v inej vzorke, môže byť indikátorom prebiehajúceho ochorenia.
Jedná sa pritom buď o látky produkované samotným nádorom alebo o látky produkované v organizme v reakcii na jeho prítomnosť. Osobitnou skupinou onkomarkerov sú protilátky produkované imunitným systémom, ktorý spravidla dokáže procesy spojené so vznikom nádorového tkaniva rozpoznať, no nie vždy je schopný ochoreniu zabrániť. Produkciou špecifických protilátok však môže imunitný systém pomôcť odhaliť jeho prepuknutie.
Diagnostický potenciál imunitných protilátok žiaľ výrazne obmedzuje rôznorodosť molekulárnych procesov, ktorými imunitný systém reaguje na vznik a priebeh ochorenia. V jednotlivých prípadoch nemusí reakcia imunitného systému zahŕňať produkciu sledovanej protilátky a ochorenie sa preto nemusí jej prítomnosťou prejaviť. Navyše imunitný systém každého jedinca je veľmi špecifický, čo veci v mnohých ohľadoch ešte viac komplikuje.
Imunosignatúry - molekulárny Rorschachov test
So zaujímavým prístupom k využitiu protilátok v diagnostike, nielen nádorových ochorení prišli vedci z Arizonského Centra pre Inovácie v Medicíne (Center for Innovations in Medicine, Arizona State University) [Stafford et al., PNAS, 2014]. Na rozdiel od testovania jednotlivých protilátok, je ústrednou myšlienkou analýza imunitného systému ako celku použitím takzvaných molekulárnych mikročipov (v angličtine „microarray“).
V tomto prípade sa jedná o štvorcové doštičky, ktoré majú na povrchu rozmiestnených desaťtisíc mikroskopických „kvapôčok“ v mriežke 100 x 100. Každá kvapôčka obsahuje množstvo identických kópií reťazca dvadsiatich aminokyselín, v sekvencii ktorá je pre každú z kvapôčok špecifická.
Keď sa vzorka krvi nanesie na takýto mikročip, je možné merať ako sa prítomné protilátky v jednotlivých kvapôčkach viažu na reťazce aminokyselín. Niektoré reťazce budú protilátky viazať viac ako iné, čoho dôsledkom budú rozličné hodnoty namerané na jednotlivých kvapôčkach. Konečným výsledkom je tak súbor desaťtisícich hodnôt, ktorý autori nazývajú imunosignatúra, teda akýsi „podpis“, resp. „rukopis“ imunitného systému.
Technológia molekulárnych mikročipov je pritom stará už viac než pätnásť rokov a ich využitie v imunológii tiež nie je nijakou novinkou. Inovatívnosť však spočíva v skutočnosti, že použité sekvencie aminokyselín boli generované náhodne. Ak uvážime, že je známych 21 rôznych aminokyselín, ktoré sa nachádzajú v živých organizmoch, počet unikátnych sekvencií aminokyselín dĺžky dvadsať, ktoré je možné z nich zostaviť je 21^20. Je teda nepredstaviteľne veľký.
Z toho vyplýva, že z desaťtisíc náhodne vybraných sekvencii, ktoré boli použité sa v ľudskom organizme s veľkou pravdepodobnosťou prirodzene nevyskytuje žiadna. Už samotné zistenie, že imunitné protilátky sú schopné viazať takéto náhodné sekvencie aminokyselín je pozoruhodné. Využitie náhodných sekvencií dáva imunosignatúram mimoriadny význam. Ide vlastne o akýsi molekulárny Rorschachov test, skúmajúci reakciu imunitného systému na veľmi neurčité, ba až absurdné podnety.
Diagnostika pomocou umelej inteligencie
Kým v prípade onkomarkerov je klinická interpretácia výsledkov testov v kompetencii lekára, interpretáciu imunosignatúr vedci ponechali na schopnostiach umelej inteligencie a takzvané strojové učenie.
Vedci v tomto prípade využili podporné vektorové stroje (z angl. „support vector machines“), klasifikačné algoritmy schopné autonómne triediť dátové objekty, na základe používateľom vopred poskytnutých príkladov. Tento typ algoritmu využíva napríklad aj Google, vo svojej emailovej službe gmail na filtrovanie spamu v prichádzajúcej pošte.
Algoritmus sa v prvej fáze, tzv. tréningovej fáze “učil“ rozlišovať imunosignatúry namerané na vzorkách krvi od pacientov v rôznych štádiách niektorej zo štrnástich rozličných foriem rakoviny, od imunosignatúr pochádzajúcich od zdravých dobrovoľníkov.
V druhej fáze bol algoritmus podrobený niekoľkým testom, ktorých cieľom bolo zistiť do akej miery je na základe imunosignatúry algoritmus schopný konkrétne ochorenie diagnostikovať, resp. ho vylúčiť. Výsledky naznačujú, že imunosignatúry v spojení s príslušnou technológiou významne prekonávajú diagnostické možnosti v súčasnej dobe používaných onkomarkerov.
Komentáre