Xây dựng mô hình dự đoán để mô tả sự tiến triển của khối u

3 Câu hỏi: Xây dựng mô hình dự đoán để mô tả sự tiến triển của khối u

Tương tự như cách chim sẻ Darwin tiến hóa để thích nghi với chọn lọc tự nhiên và tồn tại, các tế bào cấu thành khối u ung thư cũng chống lại các áp lực chọn lọc để sống sót, tiến hóa và lan rộng. Trên thực tế, khối u là tập hợp phức tạp các tế bào với cấu trúc độc đáo và khả năng thay đổi riêng. Ngày nay, Trí tuệ Nhân tạo và các công cụ học máy mang đến cơ hội chưa từng có để làm sáng tỏ các quy luật tổng quát chi phối sự tiến triển của khối u ở cấp độ di truyền, biểu sinh, trao đổi chất và vi môi trường. Matthew G. Jones, trợ lý giáo sư tại Khoa Sinh học, Viện Koch về Nghiên cứu Ung thư Tích hợp và Viện Kỹ thuật Y học và Khoa học của MIT, hy vọng sử dụng các phương pháp tính toán để xây dựng các mô hình dự đoán — chơi một ván cờ với ung thư, hiểu được khả năng tiến hóa và kháng thuốc của khối u với mục tiêu cuối cùng là cải thiện kết quả điều trị cho bệnh nhân. Trong cuộc phỏng vấn này, ông mô tả công việc hiện tại của mình.

Hỏi: Ông đang nỗ lực khám phá và mô tả khía cạnh nào của sự tiến triển khối u?

Đáp: Một câu chuyện rất phổ biến trong ung thư là bệnh nhân ban đầu đáp ứng với một liệu pháp điều trị, nhưng sau đó cuối cùng phương pháp điều trị đó sẽ không còn hiệu quả nữa. Lý do chính cho điều này là do khối u có khả năng tiến hóa đáng kinh ngạc và đầy thách thức: khả năng thay đổi thành phần di truyền, tín hiệu protein và động lực học tế bào. Khối u như một hệ thống cũng tiến hóa ở cấp độ cấu trúc. Thông thường, lý do bệnh nhân chết vì khối u là do khối u đã tiến hóa đến một trạng thái mà chúng ta không còn kiểm soát được nữa, hoặc nó tiến hóa theo một cách khó lường. Theo nhiều cách, ung thư có thể được coi là, một mặt, cực kỳ rối loạn và vô tổ chức, mặt khác, lại có logic nội tại riêng, logic này liên tục thay đổi. Luận điểm trung tâm của phòng thí nghiệm của tôi là các khối u tuân theo các mô hình rập khuôn trong không gian và thời gian, và chúng tôi hy vọng sử dụng tính toán và công nghệ thực nghiệm để giải mã các quá trình phân tử nằm sau những biến đổi này. Chúng tôi tập trung vào một cách cụ thể mà các khối u đang tiến hóa thông qua một dạng khuếch đại DNA được gọi là DNA ngoài nhiễm sắc thể. Được cắt bỏ khỏi nhiễm sắc thể, các ecDNA này được vòng hóa và tồn tại như một nhóm riêng biệt các hạt DNA trong nhân. Được phát hiện lần đầu vào những năm 1960, ecDNA được cho là một sự kiện hiếm gặp trong ung thư. Tuy nhiên, khi các nhà nghiên cứu bắt đầu áp dụng giải trình tự thế hệ mới cho các когорта bệnh nhân lớn vào những năm 2010, có vẻ như không chỉ những khuếch đại ecDNA này mang lại khả năng thích ứng với các căng thẳng và liệu pháp điều trị cho khối u nhanh hơn, mà chúng còn phổ biến hơn nhiều so với suy nghĩ ban đầu.

Hiện nay, chúng ta biết những khuếch đại ecDNA này xuất hiện ở khoảng 25% các bệnh ung thư, ở những bệnh ung thư hung hãn nhất: ung thư não, phổi và buồng trứng. Chúng tôi đã phát hiện ra rằng, vì nhiều lý do, các khuếch đại ecDNA có thể thay đổi cuốn sách quy tắc mà theo đó các khối u tiến hóa theo những cách cho phép chúng tăng tốc thành một bệnh hung hãn hơn một cách rất đáng ngạc nhiên.

Hỏi: Ông đang sử dụng học máy và trí tuệ nhân tạo như thế nào để nghiên cứu các khuếch đại ecDNA và sự tiến hóa của khối u?

Đáp: Có một nhiệm vụ là chuyển những gì tôi đang làm trong phòng thí nghiệm để cải thiện cuộc sống của bệnh nhân. Tôi muốn bắt đầu với dữ liệu bệnh nhân để khám phá cách các áp lực tiến hóa khác nhau đang thúc đẩy bệnh tật và các đột biến mà chúng ta quan sát được. Một trong những công cụ chúng tôi sử dụng để nghiên cứu sự tiến hóa của khối u là công nghệ theo dõi dòng tế bào đơn. Nói một cách rộng rãi, chúng cho phép chúng ta nghiên cứu các dòng tế bào riêng lẻ. Khi chúng ta lấy mẫu một tế bào cụ thể, chúng ta không chỉ biết tế bào đó trông như thế nào mà còn có thể (lý tưởng nhất là) xác định chính xác thời điểm các đột biến hung hãn xuất hiện trong lịch sử của khối u. Lịch sử tiến hóa đó cung cấp cho chúng ta một cách nghiên cứu các quá trình động mà chúng ta không thể quan sát được trong thời gian thực, và giúp chúng ta hiểu cách chúng ta có thể chặn đứng sự tiến hóa đó. Tôi hy vọng chúng ta sẽ ngày càng giỏi hơn trong việc phân tầng bệnh nhân đáp ứng với một số loại thuốc nhất định, để dự đoán và khắc phục tình trạng kháng thuốc, và để xác định các mục tiêu điều trị mới.

Hỏi: Điều gì khiến ông hào hứng khi gia nhập cộng đồng MIT?

Đáp: Một trong những điều thực sự thu hút tôi là sự tích hợp giữa sự xuất sắc trong cả kỹ thuật và khoa học sinh học. Tại Viện Koch, mỗi tầng đều được cấu trúc để thúc đẩy sự giao thoa giữa các kỹ sư và các nhà khoa học cơ bản, và bên ngoài khuôn viên trường, chúng ta có thể kết nối với tất cả các doanh nghiệp nghiên cứu y sinh trong khu vực Boston lớn hơn. Một điều khác thu hút tôi đến MIT là thực tế là nó đặt một sự nhấn mạnh mạnh mẽ vào giáo dục, đào tạo và đầu tư vào sự thành công của sinh viên. Tôi tin rằng điều phân biệt nghiên cứu học thuật với nghiên cứu công nghiệp là nghiên cứu học thuật về cơ bản là một công việc phục vụ, ở chỗ chúng ta đang đào tạo thế hệ nhà khoa học tiếp theo. Đó luôn là sứ mệnh của tôi là mang lại sự xuất sắc cho cả các ngành công nghệ tính toán và thực nghiệm.