Największy wróg ludzkości
Rak to wciąż jedna z najczęstszych przyczyn śmierci w Polsce i na świecie. Jak podaje portal onkologia.org.pl, tylko w naszym kraju, w skali roku, na nowotwory umiera ponad 100 000 osób – to ponad 270 pacjentów dziennie. Dla porównania w wypadkach drogowych rocznie ginie ok. 3 000 ludzi.
Już teraz na raka może zachorować co piąty mieszkaniec Ziemi. Co jeszcze bardziej niepokojące, rośnie liczba zachorowań na nowotwory o wczesnym początku, tj. diagnozowanych u osób poniżej 50. roku życia. Globalnie około jeden na dziewięciu mężczyzn i jedna na dwanaście kobiet umrze na raka. Pięć nowotworów – rak płuca, piersi, jelita grubego, wątroby i żołądka – łącznie stanowi około połowy wszystkich nowych zachorowań i zgonów na świecie. A Światowa Organizacja Zdrowia przewiduje ponury scenariusz, w którym do 2050 r. ma być o 77% więcej przypadków nowotworów niż jeszcze w 2022.
Królowa nauk w służbie ludzkości
Znalezienie skutecznych metod analizy mechanizmów powstawania nowotworów – a tym samym ratowanie jakości życia dziesiątek milionów pacjentów – jest priorytetem dla wielu ośrodków badawczych na całym świecie. Taki cel postawił sobie również zespół prof. dr hab. Ewy Szczurek z Wydziału Matematyki, Informatyki i Mechaniki UW. Do tego służy zaawansowany model matematyczny CONET. Pozwala on na odtworzenie historii mutacji całych fragmentów DNA przy użyciu danych z sekwencjonowania pojedynczych komórek nowotworowych. A tym samym na znalezienie błędu leżącego u przyczyn raka.
Mnoży się jak rak
Nowotwór – najprostszymi słowy – napędzany jest przez błędy w kodzie DNA pojedynczych komórek. U przyczyn powstawania każdego rodzaju nowotworu znajdujemy błędy, które można podzielić na dwie główne grupy: mutacje pojedynczych nukleotydów i zmiany liczby kopii fragmentów DNA. Zaburzenia te mogą mieć podłoże zarówno losowe, jak i być odpowiedzią na oddziaływania środowiska zewnętrznego, np. na stres, szkodliwe substancje czy promieniowanie.
Przeważnie ludzki organizm potrafi całkiem nieźle radzić sobie z takimi błędami, naprawiając lub likwidując uszkodzony kod. W niektórych przypadkach dochodzi jednak do kumulacji błędów, przez co komórka zyskuje „supermoce”, które pozwalają jej unikać mechanizmów samonaprawczych organizmu. Zaczyna też dzielić się w dużo szybszym tempie niż zdrowe sąsiadki. Tak powstają kolejne uszkodzone komórki i rozpoczyna się proces przyspieszonej ewolucji przy powstawaniu kolejnych pokoleń zmutowanej populacji. Poszczególne klony różnią się jednak błędami w DNA oraz poziomem przystosowania, a tym samym inaczej odpowiadają na leczenie onkologiczne. Dlatego tak trudno dobrać skuteczną terapię.
Co było pierwsze?
„Odwrócenie” tego procesu – poprzez odtworzenie kolejności powstawania błędów w DNA – okazuje się krytycznie ważne dla zrozumienia procesu powstania nowotworu. Aby dobrać celowane, skuteczne terapie – potrzebujemy dowiedzieć się, które błędy w DNA odpowiadają za „supermoce” poszczególnych klonów. I temu służy opracowany na UW model probablistyczny CONET – narzędzie informatyczne wykorzystujące m.in. rachunek prawdopodobieństwa i odkrycia sztucznej inteligencji.
Ewolucja nowotworów
CONET potrafi z dużą dokładnością odtworzyć historię zmian w liczbie kopii fragmentów kodu DNA. Przełomowość CONETu polega również na tym, że polscy naukowcy jako pierwsi podjęli się odtworzenia ewolucji wspomnianych już wcześniej zmian liczby kopii fragmentów DNA z danych sekwencjonowania komórek pobranych z guza.
Metoda modelowania ewolucji nowotworu na podstawie pierwszego rodzaju błędów, czyli podstawowych mutacji, jest dobrze poznana i istnieje wiele modeli, które sobie z tym radzą. Modelowanie zmian liczb kopii fragmentów DNA jest jednak znacznie trudniejsze i badania na ten temat są mniej zaawansowane. Całogenomowe dane z tysięcy komórek mają bardzo duży rozmiar, więc opracowanie efektywnej metody szacowania parametrów modelu, a także umożliwienie otrzymywania wyników w jak najkrótszym czasie – to prawdziwe wyzwanie!
Efektywność CONETu w tym obszarze została potwierdzona na danych symulowanych. Znając prawdziwe drzewa ewolucyjne i prawdziwe zmiany liczby kopii regionów genomowych, można sprawdzać, jak skutecznie i dokładnie różne metody je odkrywają. Metoda została też zastosowana do danych z sekwencjonowania DNA od pacjentek cierpiących na raka piersi.
Technologie sekwencjonowania DNA, pozwalające na uzyskanie biologicznych danych wejściowych do modelu CONET, są w tej chwili intensywnie rozwijane w najważniejszych ośrodkach naukowych na całym świecie. Naukowcy mają nadzieję, że CONET będzie szeroko stosowany w analizie tych danych, pozwalając na wgląd w ewolucję nowotworów i wskazówki przy doborze skutecznych terapii.
