Neki od danas najčešće korišćenih lekova, uključujući penicilin, otkriveni su kroz proces koji se zove fenotipski skrining. Koristeći ovu metodu, naučnici u suštini bacaju lekove na problem — na primer, kada pokušavaju da zaustave rast bakterija ili poprave ćelijski defekt — a zatim posmatraju šta se dalje dešava, a da prethodno ne znaju kako lek deluje.
Možda iznenađujuće, istorijski podaci pokazuju da je ovaj pristup bolji u dobijanju odobrenih lekova od onih istraživanja koja se uže fokusiraju na specifične molekularne ciljeve.
Ali mnogi naučnici veruju da je pravilno postavljanje problema pravi ključ uspeha. Određene mikrobne infekcije ili genetski poremećaji uzrokovani pojedinačnim mutacijama mnogo su jednostavniji za prototip nego složene bolesti poput raka. Ovo zahteva složene biološke modele koje je mnogo teže napraviti ili nabaviti. Rezultat je usko grlo u broju lekova koji se mogu testirati, a samim tim i korisnost fenotipskog skrininga.
Sada je tim naučnika predvođen Shalek laboratorijom na MIT-u razvio obećavajući novi način da se pozabavi poteškoćama primene skrininga fenotipizacije na skali. Njihov metod omogućava istraživačima da istovremeno primene više lekova na biološki problem odjednom, a zatim kompjuterski rade unazad kako bi otkrili pojedinačne efekte svakog od njih.
Na primer, kada je tim primenio ovu metodu na modele karcinoma pankreasa i imunih ćelija čoveka, uspeli su da otkriju iznenađujuće nove biološke uvide, dok su istovremeno minimizirali troškove i zahteve za uzorcima za nekoliko puta – rešavajući nekoliko problema u naučnim istraživanjima odjednom. .
Zev Gartner, profesor farmaceutske hemije na Univerzitetu Kalifornije u San Francisku, kaže da ova nova metoda ima veliki potencijal. „Mislim da ako postoji jak fenotip za koji je neko zainteresovan, ovo će biti veoma moćan pristup“, kaže Gartner.
Istraživanje je objavljeno 8. oktobra u časopisu Nature Biotechnologi. Predvodili su ga Ivi Liu, Valaa Kattan, Benjamin Mead, Conner Kummerlove i Alek K. Shalek, direktor Instituta za medicinsko inženjerstvo i nauke (IMES) i Health Innovation Hub na MIT-u, kao i profesor J. V. Kieckhefera u IMES-u i Departmanu za hemiju.
Tehnološki napredak tokom protekle decenije revolucionisao je naše razumevanje unutrašnjeg života pojedinačnih ćelija, postavljajući teren za bogatije fenotipske ekrane. Međutim, ostaju mnogi izazovi.
Kao prvo, biološki reprezentativni modeli poput organoida i primarnih tkiva dostupni su samo u ograničenim količinama. Najinformativniji testovi, poput jednoćelijskog sekvenciranja RNK, takođe su skupi, dugotrajni i radno intenzivni.
Zbog toga je tim odlučio da testira „smelu, možda čak i ludu ideju“ da se sve pomeša, kaže Liu, dr. student na MIT programu računarske i sistemske biologije. Drugim rečima, odlučili su da kombinuju mnoge perturbacije – stvari poput lekova, hemijskih molekula ili bioloških jedinjenja koje stvaraju ćelije – u jednu jedinu izmišljotinu, a zatim pokušaju da dešifruju njihove pojedinačne efekte.
Počeli su da testiraju svoj radni tok praveći različite kombinacije 316 lekova koje je odobrila Uprava za hranu i lekove SAD.
„To je visoka granica: u suštini, najgori scenario“, kaže Liu. „Pošto je poznato da svaki lek ima snažan efekat, signale je bilo nemoguće razdvojiti.“
Ove nasumične kombinacije su se kretale od tri do 80 lekova po grupi, od kojih je svaki primenjen na ćelije uzgojene u laboratoriji. Tim je zatim pokušao da razume efekte pojedinačnog leka koristeći linearni računarski model.
To je bio uspeh. U poređenju sa tradicionalnim testovima za svaki pojedinačni lek, nova metoda je dala uporedive rezultate, uspešno pronalazeći najjače lekove i njihove odgovarajuće efekte u svakoj grupi, uz delić cene, uzoraka i truda.
Da bi testirao primenljivost metode za rešavanje zdravstvenih izazova u stvarnom svetu, tim je zatim pristupio dva problema koja su ranije bila nezamisliva sa prošlim tehnikama fenotipskog skrininga.
Prvi test se fokusirao na duktalni adenokarcinom pankreasa (PDAC), jedan od najsmrtonosnijih vrsta raka. U PDAC-u, mnoge vrste signala dolaze iz okolnih ćelija u okruženju tumora. Ovi signali mogu uticati na to kako tumor napreduje i reaguje na tretmane. Dakle, tim je želeo da identifikuje najvažnije.
Koristeći svoju novu metodu za paralelno spajanje različitih signala, pronašli su nekoliko kandidata iznenađenja.
„Nikada nismo mogli da predvidimo neke od naših hitova“, kaže Šalek. Oni su uključivali dva prethodno zanemarena citokina koji bi zapravo mogli predvideti ishode preživljavanja pacijenata sa PDAC u javnim skupovima podataka o raku.
Drugi test je posmatrao efekte 90 lekova na prilagođavanje funkcije imunog sistema. Ovi lekovi su primenjeni na sveže ljudske krvne ćelije, koje sadrže složenu mešavinu različitih tipova imunih ćelija. Koristeći svoju novu metodu i jednoćelijsko RNK sekvenciranje, tim je mogao ne samo da testira veliku biblioteku lekova, već i da odvoji efekte lekova za svaku vrstu ćelije. Ovo je omogućilo timu da razume kako svaki lek može da deluje u složenijem tkivu, a zatim odabere najbolji za posao.
„Mogli bismo reći da postoji defekt u T ćeliji, pa ćemo dodati ovaj lek, ali nikada ne razmišljamo o tome šta taj lek radi sa svim drugim ćelijama u tkivu?“ kaže Šalek. „Sada imamo način da prikupimo ove informacije, tako da možemo da počnemo da biramo lekove kako bismo maksimizirali efekte na meti i minimizirali neželjene efekte.“
Zajedno, ovi eksperimenti su takođe pokazali Šaleku potrebu za izgradnjom boljih alata i skupova podataka za stvaranje hipoteza o potencijalnim tretmanima.
„Složenost i nedostatak predvidljivosti za odgovore koje smo videli govore mi da verovatno ne nalazimo prave ili najefikasnije lekove u mnogim slučajevima“, kaže Šalek.
Iako trenutna tehnika kompresije može identifikovati perturbacije sa najvećim efektima, još uvek nije u stanju da savršeno reši efekte svakog od njih. Stoga, tim preporučuje da deluje kao dodatak za podršku dodatnom skriningu: „Trebalo bi da slede tradicionalni testovi koji ispituju najbolje pogotke“, kaže Liu.
Važno je, međutim, da novi okvir kompresije drastično smanjuje broj ulaznih uzoraka, troškove i radnu snagu koja je potrebna za izvršavanje ekrana. Sa manje prepreka u igri, to predstavlja uzbudljiv napredak za razumevanje složenih odgovora u različitim ćelijama i izgradnju novih modela za preciznu medicinu.
Šalek kaže: „Ovo je zaista neverovatan pristup koji otvara vrste stvari koje možemo da uradimo da pronađemo prave mete, ili prave lekove, koje ćemo koristiti za poboljšanje života pacijenata.W
