La ciencia ha avanzado a pasos agigantados en diferentes ámbitos en los últimos años. Sin embargo, aún nos queda mucho por conocer sobre el funcionamiento del propio cuerpo humano. Investigadores del Hospital Infantil de Filadelfia (CHOP) han desarrollado un algoritmo que permite entender cómo funcionan los “vecindarios celulares de tejido” (TCN). Esto supone que con este descubrimiento se podrá comprender cómo los distintos tipos de células se relacionan y se distribuyen en un tejido.
Los TCN son los que facilitan que las células trabajen en equipo para realizar diversas funciones como la absorción de nutrientes o la secreción de hormonas. Comprender esta relación estructura-función de un tejido nos permitiría comprender cómo se comunican, se adaptan y se coordinan entre sí. Los datos del algoritmo, recientemente desarrollado, podrían ser claves para descubrir cómo el cáncer es capaz de evadir las terapias, comprendiendo mejor de los mecanismos tumorales.
El innovador estudio, publicado en ‘Nature Methods’, es el que propone el concepto de TCN, y junto con su algoritmo, que funciona a través de inteligencia artificial (IA), esperan traducir toda la ingente cantidad de información contenida en los datos de ómica espacial, una técnica que permite medir la actividad de biomoléculas, directamente en muestras de tejido.
"Es muy difícil estudiar el microambiente de los tejidos, cómo ciertas células se organizan, se comportan y se comunican entre sí"
El Dr. Kai Tan, autor principal del estudio e investigador del Centro de Investigación del Cáncer Infantil del CHOP, afirma que es muy difícil estudiar el microambiente de los tejidos, cómo ciertas células se organizan, se comportan y se comunican entre sí. Antes de desarrollar la tecnología ómica espacial, era imposible situar espacialmente a los cientos de proteínas y miles de genes en un tejido.
El algoritmo de IA conocido como “CytoCommunity” recibe mapas espaciales de célula única con la anotación del fenotipo celular y las coordenadas espaciales de cada célula. Tras este paso, construye un grafo para cada muestra, donde los nodos son las células y los bordes representan la proximidad espacial entre ellas. Después de aplicar una capa de redes neuronales y una de agrupamiento diferencial para asignar cada célula a un TCN, el algoritmo muestra todos los TCN identificados para cada muestra.
Durante la investigación se usó este nuevo programa para analizar datos de cáncer de mama y colorrectal. El algoritmo reveló nuevos vecindarios celulares de tejido enriquecidos con fibroblastos y con granulocitos específicos para estos cánceres de alto riesgo. Estos TCN podrían estar implicados en la regulación de la inflamación, la invasión, la angiogénesis y la metástasis oncológica.
El autor principal del estudio afirma que están preparados para dar el siguiente paso. "Dado que pudimos demostrar la eficacia de CytoCommunity, el siguiente paso es aplicar este algoritmo a datos de tejidos sanos y enfermos generados por consorcios de investigación como Programa Atlas BioMolecular Humano (HuBMAP) y Red Atlas de Tumores Humanos (HTAN)", determina. De esta manera, se espera comparar los resultados de CytoCommunity con los de estos dos consorcios de investigación y obtener información más precisa sobre los tejidos humanos.
"Utilizando datos de cánceres infantiles esperamos encontrar vecindarios de tejidos celulares que puedan estar asociados con respuestas a ciertas terapias"
CytoCommunity podría marcar la diferencia en la lucha contra el cáncer. Este proyecto permitirá a los expertos descubrir cómo se organizan y se comunican las células tumorales y las células del entorno que las rodean. Con ello, se espera identificar posibles objetivos terapéuticos. “Utilizando datos de cánceres infantiles como la leucemia, el neuroblastoma y los gliomas de alto grado, esperamos encontrar vecindarios de tejidos celulares que puedan estar asociados con respuestas a ciertas terapias y combinar nuestros hallazgos con datos genéticos para ayudar a determinar qué vías genéticas pueden estar involucrados a nivel celular y molecular”, concluye el Dr. Kay Tan.