O corpo humano depende de instruções genéticas cuidadosamente organizadas que orientam o crescimento e funcionamento das células. O câncer pode surgir quando essas instruções tornam-se desordenadas. Com o tempo, as células podem acumular erros genéticos que lhes permitem escapar dos controles normais que limitam o crescimento e a divisão. Um dos primeiros sinais de alerta nesse processo é a presença de anomalias cromossômicas, que incluem alterações no número ou na estrutura dos cromossomos. Esses defeitos podem levar células saudáveis a se tornarem cancerígenas.
Pesquisadores do Grupo Korbel no EMBL Heidelberg desenvolveu uma ferramenta poderosa baseada em IA que auxilia cientistas na investigação de como essas anomalias cromossômicas se formam. Ao revelar as condições que permitem a formação desses erros, a tecnologia pode ajudar os pesquisadores a entender melhor como o câncer se inicia.
“Anomalias cromossômicas são um dos principais impulsionadores de cânceres particularmente agressivos e estão altamente ligadas à morte de pacientes, metástase, recorrência, resistência à quimioterapia e rápido desenvolvimento do tumor,” disse Jan Korbel, cientista sênior do EMBL e autor principal do novo artigo, publicado na revista Nature. “Queríamos compreender o que determina a probabilidade de as células sofrerem tais alterações cromossômicas e qual a taxa em que essas anomalias surgem quando uma célula ainda normal se divide.”
Uma Teoria Centenária Sobre o Câncer
A conexão entre cromossomos anômalos e câncer é suspeitada há mais de um século. O cientista alemão Theodor Boveri foi o primeiro a propor esta ideia no início do século XX, após estudar células sob o microscópio. Suas observações levaram-no a sugerir que o conteúdo cromossômico anômalo dentro das células poderia desempenhar um papel no desenvolvimento do câncer.
Apesar da teoria estabelecida, o estudo dessas anomalias tem sido desafiador. Apenas um pequeno número de células apresenta defeitos cromossômicos a qualquer momento, e muitas dessas células morrem (ou são eliminadas) através da seleção celular natural. Por isso, os pesquisadores tradicionalmente precisavam procurá-las manualmente sob um microscópio. Esse processo permitia que os cientistas isolassem apenas algumas células de cada vez para estudos adicionais.
Marco Cosenza, cientista pesquisador do Grupo Korbel, começou a investigar uma solução após colaborar com outras equipes do EMBL que enfrentavam limitações técnicas semelhantes. Juntamente com colegas, ele ajudou a projetar uma plataforma automatizada que integra microscopia, sequenciamento de células únicas e inteligência artificial. O sistema é chamado de convergência de genômica e imagem assistida por aprendizado de máquina (MAGIC).
A “Caça ao Alvo” em Células com IA
O MAGIC funciona de maneira semelhante a uma versão altamente automatizada do jogo de caça ao alvo. O sistema escaneia as células e identifica aquelas que apresentam uma característica visível específica. Neste estudo, os pesquisadores se concentraram em uma estrutura conhecida como ‘micronúcleo’.
Micronúcleos são pequenos compartimentos dentro das células que contêm fragmentos de DNA separados do genoma principal. Células que possuem micronúcleos têm maior probabilidade de desenvolver anomalias cromossômicas adicionais, aumentando suas chances de se tornarem cancerosas.
Quando o sistema detecta células contendo micronúcleos, ele as marca usando um laser. Este processo de marcação depende de um corante fotoconvertível, que é uma molécula fluorescente que altera a cor da luz que emite após ser exposta à luz.
“Este projeto combinou muitos dos meus interesses,” disse Cosenza. “Envolve genômica, imagem microscópica e automação robótica. Durante o lockdown relacionado à COVID-19 em 2020, consegui realmente dedicar tempo para aprender e aplicar tecnologias de visão computacional em IA aos dados de imagem biológica que haviam sido coletados antes. Depois, projetamos experimentos para validar e avançar com isso.”
Funcionamento do Sistema MAGIC
O sistema opera em várias etapas automatizadas. Primeiro, um microscópio automatizado captura um grande conjunto de imagens de uma amostra de células. Um algoritmo de aprendizado de máquina, treinado usando exemplos rotulados manualmente de células contendo micronúcleos, analisa as imagens.
Se o algoritmo detectar uma célula com micronúcleo, ele envia a localização para o microscópio. O microscópio então direciona um feixe de luz para essa célula específica, marcando-a permanentemente com o corante fotoconvertível. Os pesquisadores podem posteriormente isolar essas células marcadas de populações celulares vivas usando técnicas como citometria de fluxo. Uma vez isoladas, as células podem passar por estudos mais detalhados, incluindo a análise de seus genomas.
Ao substituir o processo lento e trabalhoso de busca manual por micronúcleos, o MAGIC permite que os cientistas examinem muito mais células do que anteriormente era possível. Em menos de um dia, o sistema pode analisar cerca de 100.000 células.
Descobrindo a Frequência dos Erros Cromossômicos
Os pesquisadores utilizaram o MAGIC para estudar anomalias cromossômicas em células cultivadas que eram originalmente derivadas de células humanas normais. Sua análise revelou que pouco mais de 10% das divisões celulares produzem anomalias cromossômicas espontâneas. Quando o gene p53, um conhecido supressor tumoral, é mutado, essa taxa quase dobra.
A equipe também examinou outros fatores que podem influenciar a formação de anomalias cromossômicas. Isso incluiu a presença e a posição de quebras no DNA de dupla fita dentro dos cromossomos.
Potencial Amplo para Descobertas Biológicas
A pesquisa envolveu colaborações dentro e fora do EMBL. Os principais colaboradores incluíram a Instalação de Microscopia Avançada (ALMF) e a equipe Pepperkok no EMBL Heidelberg, o grupo de Isidro Cortes-Ciriano no EMBL-EBI e a equipe de Andreas Kulozik no Centro Alemão de Pesquisa do Câncer (DKFZ), que também faz parte da Unidade de Parceria em Medicina Molecular (MMPU) entre o EMBL e a Universidade de Heidelberg.
O MAGIC é projetado para ser flexível e adaptável. Embora os pesquisadores o tenham treinado neste estudo para detectar micronúcleos, a IA subjacente pode ser treinada para identificar muitas outras características celulares.
“Desde que você tenha uma característica que possa ser visualmente discriminada de uma célula ‘normal’, você pode — graças à IA — treinar o sistema para detectá-la,” disse Korbel. “Portanto, nosso sistema tem potencial para avançar descobertas futuras em várias áreas da biologia.”
