Związek drobnoustrojów z metabolizmem w nowotworze jelita grubego
Przełomowe badania nad gruczolakorakiem jelita grubego pokazują, jak metabolizm kwasów tłuszczowych, mikrobiota wewnątrz guza oraz jego mikrośrodowisko wpływają na wyniki badań u pacjentów, torując drogę dla stymulowanych przez sztuczną inteligencję innowacji diagnostycznych w dziedzinie leczenia raka.
Sekcja dla ogółu społeczeństwa
Znajdź tutaj swoją dedykowaną przestrzeń
O tym artykule
Autor
Dynamika zmian wewnątrz guza jest skomplikowana. Mikrobiota, (sidenote: Metabolizm kwasów tłuszczowych (FAM) Proces komórkowy mający miejsce podczas syntezy i rozkładu tłuszczów, wpływający na wzrost i rozwój guza. ) , a (sidenote: Mikrośrodowisko guza (TME) środowisko w otoczeniu guza, w tym komórki odpornościowe, naczynia krwionośne czy cząsteczki sygnałowe mogące wpływać na rozwój nowotworu. ) guza odgrywają w niej ważną rolę Najnowsze badania 1 zagłębiają się w tę „niewyjaśnioną trójcę” (sidenote: Gruczolakorak jelita grubego (COAD) typ nowotworu jelita grubego mający swój początek w komórkach gruczołowatych jelita. ) . Wykorzystując dane znacznej grupy pacjentów z Atlasu Genomu Raka (TCGA) oraz zaawansowane techniki bioinformatyczne i techniki medycznej analizy obrazu, badacze mieli na celu odkryć nowe sposoby diagnostyki i leczenia tego agresywnego nowotworu.
Powiązania drobnoustrojowo-metaboliczne
Zespół badawczy zaczął swoją pracę od analizy obszernych danych zebranych od 420 pacjentów ze zdiagnozowanym gruczolakorakiem jelita grubego. Najważniejszym metodologicznym działaniem było podzielenie pacjentów na dwie podgrupy:
- tych charakteryzujących się wysokim (FAM_high)
- i niskim (FAM_low) metabolizmem kwasów tłuszczowych.
To rozwarstwienie oparte zostało na wynikach (sidenote: Analiza zmienności zestawu genów (GSVA) metoda obliczeniowa używana do oceny poziomu aktywności konkretnych genów w próbkach pobranych od pacjentów, co stanowi pomoc w podtypowaniu diagnostycznym. ) wyliczonych dla genów odpowiedzialnych za metabolizm kwasów tłuszczowych.
Co ciekawe, pomimo tego, że różnorodność alfa (wewnątrz próbki) wydawała się podobna u obu grup, to dokładna analiza drobnoustrojowej różnorodności beta (między próbkami) ujawniła nadzwyczaj odmienne kompozycje bakterii, mocno powiązane z tymi leżącymi u podstaw profili metabolicznych.
Ujawniono konkretne typy bakterii odgrywających rolę w kształtowaniu środowiska guza. Co istotne, badania pozwoliły zidentyfikować grupę specyficznych gatunków bakterii, w tym Desulfovibrio, Desulfococcus, Streptococcus czy Mycobacterium, które były szczególnie wykrywalne w grupie FAM_high, co pokazuje ewidentny związek między (sidenote: Mikrobiota wewnątrz guza środowisko mikroorganizmów znajdujących się wewnątrz guza, mogących wpływać na jego zachowanie oraz na rokowania pacjenta. ) a metabolizmem jej gospodarza. To rozwarstwienie metaboliczne ma również znaczenie prognostyczne.
Badacze zaobserwowali, że pacjenci, których guzy wykazywały niski metabolizm kwasów tłuszczowych, wykazywali znacznie wyższą przeżywalność niż ich odpowiednicy z wysokim metabolizmem. Identyfikacja czterech szczególnych genów (ADIPOR2, HAO2, ALAD, HPGD), których poziom uzewnętrznienia był ściśle powiązany z tym, czy pacjent przeżyje, potwierdza kluczową, prognostyczną rolę metabolizmu kwasów tłuszczowych w przypadku gruczolakoraka jelita grubego.
Sygnatury metaboliczne jako narzędzia prognostyczne
Poza diagnozami i prognozami wszechstronna analiza wrażliwości na leki wyjaśniła znaczące i potencjalnie dające się wykorzystać klinicznie różnice sposobu reakcji pacjentów z wysokim i niskim metabolizmem kwasów tłuszczowych na szerokie spektrum środków leczniczych.
Obliczając wartości IC50 (poziom stężenia leku wymagany, by zahamować 50% komórek) dla szerokiego spektrum 195 leków, badacze odkryli, że osoby z wysokim i niskim metabolizmem kwasów tłuszczowych wykazywały znacząco odmienny poziom wrażliwości na 120 z nich. Na przykład pacjenci z wysokim metabolizmem wykazywali mniejszą wrażliwość na leki takie jak JQ1, co sugeruje, że leki te mogą być mniej efektywne dla tej grupy pacjentów. Takie spostrzeżenia mogą pomóc opracowywać bardziej spersonalizowane strategie leczenia raka.
Diagnoza obrazowa
Co najistotniejsze, badacze odkryli, że standardowe obrazy histopatologii mogą odzwierciedlać podtypy FAM. Odmienne funkcje struktur korelowały z wynikami FAM i sygnaturami drobnoustrojowymi, znacznie różniąc się między pacjentami z wysokim i niskim metabolizmem kwasów tłuszczowych. Modele SI w niedalekiej przyszłości mogłyby wykorzystywać analizę histologiczną do wykrywania sygnatur bakteryjnych i poziomu metabolizmu guza w czasie rzeczywistym. Sugeruje to istnienie ekscytującej możliwości rozwijania narzędzi wspomaganych przez sztuczną inteligencję, które mogłyby przewidywać podtypy metaboliczne na podstawie badań histopatologicznych i oferować bardzo efektywną, łatwo dostępną diagnostykę.
Badania te zapewniają szczegółowy wgląd w skomplikowaną relację między środowiskami jelita grubego i guza w trakcie rozwoju choroby. Potencjał nieinwazyjnego podtypowania metabolicznego z wykorzystaniem analizy obrazowej wspomaganej przez SI stwarza obiecujące perspektywy dla szerokiego zastosowania klinicznego. Głębsze zrozumienie sposobu interakcji między komórkami nowotworowymi a bakteriami jelita grubego będzie kluczowe dla przyszłych postępów terapeutycznych.
