ალი ერქთურქისა და მისი გუნდის კვლევა, რომელიც ხელოვნური ინტელექტით მთელ სხეულში კიბოს მეტასტაზებსა და წამლის სამიზნეებს ავლენს

პროფ. დოქტორი ალი ერქთურქი და მისი გუნდის კვლევა კიბოს მეტასტაზების მეტად დეტალურად, 3D ფორმატში გამოსახვისა და დამიზნების შესახებ, რასაც ხელოვნური ინტელექტის მეთოდით, ღრმა სწავლებით აკეთებენ, Cell სამეცნიერო ჟურნალის 2019 წლის დეკემბრის ნომრის გარეკანზე გამოქვეყნდა და სამეცნიერო სამყაროში დიდი გამოხმაურება მოიპოვა. ბილქენთის მოლეკულური ბიოლოგიისა და გენეტიკის განყოფილების 2003 წელს დამთავრების შემდეგ ალი ერქთურქი თანმიმდევრულად მუშაობდა Max-Planck-ის ინსტიტუტში, Genentech-სა და Ludwig Maximillian-ის უნივერსიტეტში. იგი გერმანიის ქალაქ მიუნხენში მცხოვრები თურქი ნეირომეცნიერი, გამომგონებელი და ხელოვანია. 2019 წლის ივლისიდან მიუნხენის ქსოვილთა ინჟინერიისა და რეგენერაციული მედიცინის Helmholtz-ის ინსტიტუტის დირექტორია. მისი საქმიანობა აქამდე 3-განზომილებიანი ბეჭდვის ტექნოლოგიით გამჭვირვალე ორგანოების წარმოებაზე იყო მიმართული. მათ მიერ აღმოჩენილი ახალი გამოსახვის ტექნოლოგია, რომელსაც vDISCO უწოდეს, ორგანოების გამჭვირვალედ ჩვენების საშუალებას იძლევა. ალი ერქთურქისა და მისი გუნდის ბოლო კვლევა კი ღრმა სწავლებით კიბოს მეტასტაზების გამოსახვასა და ანტისხეულების სამიზნეების გამოვლენას ეხებოდა.

პროფ. დოქტორ ალი ერქთურქისა და მისი გუნდის კვლევის შეჯამება, რომელიც თაგვის მოდელში კიბოს „ერთი“ უჯრედის გამოსახვასაც კი აჩვენებს:

მედიცინის ბოლო მიღწევების მიუხედავად, კიბო კვლავ სიკვდილის მნიშვნელოვანი მიზეზია. კიბოთი დაავადებულთა % 90-ზე მეტი იღუპება სხეულში გავრცელებული მეტასტაზური სიმსივნეებით და არა პირველადი/მთავარი სიმსივნით. მეტასტაზური კიბოს წარმატებული მკურნალობა მოითხოვს, რომ სიმსივნის საწინააღმდეგო წამლებმა სხეულში არსებულ მრავალ მეტასტაზამდე მიაღწიონ და ისინი გაანადგურონ. სამწუხაროდ, ეს ხშირად ასე არ ხდება. კიბოს წამლების ეს ნაკლოვანება ჩვეულებრივ კლინიკური კვლევების დროს ვლინდება. მკვლევრებს აქამდე პრეკლინიკური განვითარებისას, ანუ ადამიანზე ცდების წინ ჩატარებული კვლევების დროს, არ ჰქონდათ მეთოდები, რომლებიც წამლების სიმსივნის დამიზნების უნარს საკმარისი მგრძნობელობითა და გარჩევადობით წარმოაჩენდა, რათა ყველაზე იმედისმომცემი წამლის კანდიდატები შეერჩიათ. მაგალითად, მაგნიტურ-რეზონანსული ტომოგრაფია და ბიოლუმინესცენტური გამოსახვა დიდ სიმსივნეებს ადგენს, თუმცა ვერ ავლენს ასობით პატარა მეტასტაზს, რომლებიც შესაძლოა სასიკვდილო იყოს. რაც მთავარია, ეს მეთოდები ვერ აფასებს, აღწევს თუ არა წამლის კანდიდატი ნამდვილად ყველა პატარა მეტასტაზამდე. ამ მნიშვნელოვანი სირთულეების გადასალახად ალი ერქთურქმა და მისმა გუნდმა DeepMACTშექმნეს. DeepMACT თაგვის მთელ სხეულში უმცირესი მეტასტაზების აღმოჩენის საშუალებასაც იძლევა და ღრმა სწავლაზე (მრავალშრიან ხელოვნურ ნეირონულ ქსელებზე) დაფუძნებული ტექნოლოგიაა.

DeepMACT საშუალებას იძლევა თვალყური ვადევნოთ, რომელ მეტასტაზებს უმიზნებს წამალი და რომელს ვერ პოულობს.

როგორ მუშაობს DeepMACT ტექნოლოგია?

DeepMACT ნიშნავს ღრმა სწავლაზე დაფუძნებულ მეტასტაზების ანალიზს გამჭვირვალე ქსოვილში. იგი ორ ძირითად საფეხურს მოიცავს: 1. თაგვის მთელი სხეული გამჭვირვალე ხდება ქსოვილის გასუფთავების მეთოდით, სახელად vDISCO. შემდეგ გამჭვირვალე თაგვები 3-განზომილებიანად გამოისახება, რამაც ყველა მეტასტაზისა და გავრცელებული სიმსივნის ერთი უჯრედის გამოსახვაც კი შესაძლებელი გახადა. 2. ახლად შემუშავებული ღრმა სწავლების ალგორითმები გამოიყენება კიბოს ყველა მეტასტაზის დასადგენად და წამლებით მათი დამიზნების გასაანალიზებლად. ამ ახალი ტექნოლოგიით ალი ერქთურქმა და მისმა გუნდმა თაგვის სხეულში წარმატებით გამოავლინეს ასობით პატარა მეტასტაზი, რომელთა აღმოჩენაც სხვა მეთოდებით შეუძლებელი იყო. DeepMACT-მა ასევე შესაძლებელი გახადა ზუსტად დანახვა, კიბოს რომელ მეტასტაზებს უმიზნებს წამლის კანდიდატი და რომელს ტოვებს უყურადღებოდ. ამ ანალიზებმა აჩვენა, რომ ამჟამად ერთ-ერთი ყველაზე ეფექტური მკურნალობა, ანტისხეულებზე დაფუძნებული წამლები, პატარა მეტასტაზების 30 პროცენტს შეიძლება ვერ სწვდებოდეს. ამ ახალი ტექნოლოგიით მეტასტაზური გავრცელება გაანალიზდა ფილტვის, ძუძუსა და პანკრეასის კიბოს თაგვის მოდელებში. ასევე შესაძლებელი გახდა დაკვირვება, როგორ ვრცელდება მეტასტაზები სხეულში დროის სხვადასხვა მონაკვეთში. დღეს ონკოლოგიაში ახალი წამლის კანდიდატებიდან მხოლოდ ხუთი პროცენტია წარმატებული. პრეკლინიკურ მოდელურ სისტემებში DeepMACT-ის გამოყენებას აქვს პოტენციალი უპრეცედენტოდ გააუმჯობესოს კლინიკური ცდებისთვის უკეთესი წამლის კანდიდატების ამოცნობა და განვითარება. ამიტომ DeepMACT შესაძლოა მნიშვნელოვნად ზრდიდეს კიბოს წამლის კანდიდატების წარმატების მაჩვენებელს და პოტენციურად მრავალი სიცოცხლის გადარჩენას ეხმარებოდეს.

ქვემოთ შეგიძლიათ ნახოთ კვლევის ვიდეოშეჯამება : (ხელმისაწვდომია თურქული სუბტიტრების არჩევანი)

აქამდე გამოსახვის მრავალ კვლევაში ქსოვილები და ორგანოები 2-განზომილებიანად გამოისახებოდა. ამის საპირისპიროდ, 3-განზომილებიანი გამოსახვა მეთოდოლოგიურად მეტად რთულია, თუმცა გაცილებით დეტალურ და ღირებულ ინფორმაციას გვთავაზობს. პროფ. დოქტორმა ალი ერქთურქმა და მისმა გუნდმა vDISCO მეთოდით ქსოვილების გამჭვირვალედ ქცევისა და DeepMACT-ით კიბოს მეტასტაზების 3-განზომილებიანი გამოსახვის გზით მრავალი ახალი ტექნოლოგია გააერთიანეს და მეტად ღირებული კვლევა ჩაატარეს. მიუხედავად იმისა, რომ ეს მეთოდები ადამიანთა კლინიკურ კვლევებში ჯერ არ გამოიყენება, ისინი ახლო მომავალში გამოსაყენებელი მრავალი ბიოტექნოლოგიური სიახლის საფუძველს შექმნის. დასკვნის სახით, ეს კვლევა მეტად მნიშვნელოვანია მეტასტაზების გამოსახვისა და ანტისხეულების სამიზნეების გამოვლენისთვის, რადგან მეტასტაზებს კიბოთი სიცოცხლის დაკარგვის % 90 უკავშირდება. თუმცა კვლევას გარკვეული შეზღუდვები აქვს.

• კვლევა თაგვის მოდელებზე ჩატარდა. გამოსახვა ადამიანის კიბოს უჯრედების ინექციის შემდეგ მოხდა. ადამიანში ამ გამოსახვის სისტემის გამოყენება შესაძლებელი იქნება მისი გამოცდისა და კლინიკურ კვლევებში დადასტურების შემდეგ.

• სიმსივნეები ერთმანეთისგან განსხვავებული უჯრედული პოპულაციებისგან შედგება. განსაკუთრებით სიმსივნის მიკროგარემოადამიანის სხეულში მეტად რთულია. თაგვის მოდელებში ამ სირთულის შექმნა ძალიან ძნელია. ამიტომ კვლევის კლინიკურ პრაქტიკაში ასახვისთვის მეტი კვლევაა საჭირო.