рак молочной железы

На трижды негативный рак молочной железы (ТНРМЖ) приходится около 15–20% всех случаев рака молочной железы. Опухоли при этом заболевании отличаются на молекулярном уровне, поэтому один и тот же препарат действует на них по-разному. ТНРМЖ получил своё название потому, что на поверхности раковых клеток нет трёх важных мишеней, которые обычно используют при лечении заболевания. У опухолевых клеток отсутствуют рецепторы к гормонам эстрогену и прогестерону, а также рецептор HER2, белок, связанный с ростом клеток. Поэтому гормональная терапия и некоторые виды таргетного лечения при таком раке не работают.

Исследователи уже пытались предсказывать реакцию опухолей на лечение с помощью «виртуальных клеток». Такие модели используют данные о клетках, чтобы спрогнозировать, как они будут вести себя в разных условиях. Однако большинство существующих подходов обучают на данных одноклеточного секвенирования и в основном описывают состояние клетки в конкретный момент времени.

Команда Тяньнаня Го, специалиста по протеомике из Университета Вестлейк в Ханчжоу, решила использовать другой тип данных. Учёные сосредоточились на белках и на том, как их количество меняется после воздействия лекарств.

Исследователи обучили ИИ-модель на более чем 38 миллионах измерений белков, полученных для 18 линий клеток рака молочной железы, из которых 16 относились к ТНРМЖ. Учёные обработали клетки  противоопухолевыми препаратами, одобренными FDA, а также десятками комбинациями лекарств. Для каждого варианта лечения исследователи измеряли уровни 5585 групп белков. Измерения проводили до лечения, а затем через 6, 24 и 48 часов после воздействия препаратов. Это позволило модели учитывать не только состояние клетки, но и то, как оно меняется под действием лекарства.

На этих данных ИИ научился предсказывать реакцию клеток ТНРМЖ на препараты и определять белки, которые связаны с лекарственной устойчивостью. Когда модель проверили на  препаратах, которых не было в обучающей выборке, она правильно предсказала реакцию клеток в 88% случаев. Затем исследователи перешли от клеточных линий к образцам опухолей. Они проанализировали 3651 белок в биопсиях 501 человека с ТНРМЖ, взятых до начала химиотерапии. По этим данным модель предсказала, как пациенты ответят на последующее лечение.

Наконец, учёные проверили модель на задаче подбора лечения для конкретного человека. Они дали ей 3000 соединений, среди которых были уже одобренные препараты и лекарства, находившиеся на разных этапах клинических испытаний. Модель должна была подобрать наиболее перспективные комбинации для трёх пациентов с ТНРМЖ. Для анализа использовали образцы опухолевых клеток этих пациентов, которые взяли до лечения и затем поддерживали живыми в лаборатории.

Во всех трёх случаях модель предложила те же препараты, которыми лечили пациентов и которые оказались эффективными. Более того, модель нашла три соединения, которые в лабораторных экспериментах оказались эффективнее стандартной терапии.

Исследователи подчёркивают, что их разработка пока остаётся прототипом. Чтобы проверить, улучшает ли модель подбор терапии, нужны проспективные клинические испытания. Это значит, что рекомендации ИИ будут проверять до начала лечения, а не сопоставлять с уже известными результатами. Учёные также планируют расширить возможности модели и дообучить ее, так как в нынешнем исследовании не учитывали некоторые виды противоопухолевой иммунотерапии.

При этом у подхода есть ограничения. По словам системного биолога Хани Гударзи из Института Арк в Пало-Альто, текущая модель пока недостаточно хорошо учитывает взаимодействия между белками. В дальнейшем исследователи хотят учесть этот аспект, а также проверить, как на прогнозы влияют дозировки препаратов. Кроме этого, в перспективе учёные рассчитывают объединить данные о белках и активности генов в одной модели. Это даст более полное представление о состоянии опухолевых клеток и о том, как они реагируют на лечение.

Пока модель прошла только первые проверки, и её способность подбирать лечение ещё предстоит оценить в клинических испытаниях. Если результаты подтвердятся, виртуальные модели клеток помогут заранее определить, какие препараты с большей вероятностью сработают против опухоли конкретного пациента.