GlioTrace usa l'intelligenza artificiale per tracciare le cellule del cancro al cervello nel tessuto vivo
I ricercatori dell'Università di Uppsala hanno sviluppato un metodo di computer vision per mappare come le cellule di glioblastoma cambiano stile di movimento nelle fette di cervello vivo
Un sistema di imaging computazionale chiamato GlioTrace può tracciare migliaia di cellule di glioblastoma in migrazione attraverso fette di cervello vivo per giorni consecutivi. Sviluppato da scienziati dell'Università di Uppsala, il metodo combina la microscopia automatizzata con l'intelligenza artificiale per rivelare come le singole cellule tumorali cerebrali modificano la loro forma e cambiano percorso di migrazione.
La microscopia automatizzata cattura i percorsi delle cellule vive per cinque giorni
Il glioblastoma resta una delle forme più aggressive di cancro al cervello, in parte perché le cellule tumorali invadono il tessuto sano circostante oltre i confini della rimozione chirurgica. In una ricerca innovativa volta a studiare questa diffusione, i ricercatori dell'Università di Uppsala hanno utilizzato cellule tumorali prelevate da sei pazienti e le hanno fatte crescere in cervelli di topo. Hanno poi tagliato i cervelli in fette sottili e le hanno mantenute in colture di laboratorio, secondo i risultati pubblicati su Nature Communications e riportati da MedicalXpress.
Un microscopio automatizzato ha fotografato le fette di tessuto vivo a intervalli non superiori a due ore per un massimo di cinque giorni. Alimentato dall'intelligenza artificiale, GlioTrace ha tracciato le singole cellule su intere fette anziché in piccole finestre di campionamento, registrando le coordinate di ogni cellula in migrazione dall'inizio alla fine.
«Ciò che ci ha sorpreso di più è quanto siano flessibili le cellule tumorali. La stessa cellula può cambiare il proprio modo di muoversi nel giro di pochi giorni. Per sviluppare terapie che impediscano alle cellule tumorali di diffondersi, dobbiamo capire questa capacità di passare da un comportamento all'altro.»
— Madeleine Skeppås, Università di Uppsala
Il machine learning individua il passaggio tra stati di migrazione
Il nucleo computazionale dell'invenzione è stato sviluppato dalla coautrice principale dello studio Madeleine Skeppås insieme a ricercatori della Chalmers University of Technology e dell'Università di Göteborg. La loro pipeline di machine learning identifica le singole cellule, ne registra le forme e traccia le transizioni di stato nel tempo, come dettagliato su MedicalXpress.
L'imaging ha rivelato che i modelli di invasione del glioblastoma differiscono da tumore a tumore. Alcune cellule dei pazienti si muovevano lungo i vasi sanguigni, mentre altre migravano in modo diffuso attraverso il parenchima cerebrale. Le singole cellule si sono inoltre dimostrate capaci di passare dalla migrazione indipendente allo strisciamento lungo i vasi nel giro di pochi giorni. I modelli statistici hanno dimostrato che questo cambio di comportamento aiuta le cellule a orientarsi in ambienti tissutali densi.
I test sulle terapie rivelano stati cellulari veloci e persistenti
Il gruppo di ricerca ha verificato come i composti farmaceutici e i trattamenti standard influenzino le traiettorie delle cellule. Negli esperimenti riportati da MedicalXpress, due sostanze farmacologiche hanno rallentato l'invasione delle cellule tumorali nelle fette di tessuto cerebrale. Tuttavia, la risposta esatta variava tra i campioni dei pazienti e tra i diversi tipi di cellule in migrazione.
Se esposti alla combinazione di radioterapia e chemioterapia, alcuni modelli tumorali hanno mostrato una frazione maggiore di cellule veloci con una forma distintiva. Queste cellule occupavano nodi centrali nelle reti di transizione di stato, indicando che potrebbero persistere durante la terapia convenzionale. L'autore principale Hitesh Mangukiya e il professor Sven Nelander hanno osservato che il codice di analisi è aperto ad altri laboratori, sebbene siano necessari ulteriori test prima di depositare qualsiasi brevetto o di usare il software per orientare decisioni cliniche.
Leggi anche su The Patent: Il GAO avverte che gli obiettivi sull'arretrato dell'USPTO rischiano di fallire sotto la pressione del personale
Tradotto automaticamente dall’originale inglese. Leggi l’originale
