Novi alat otkriva povijest rasta tumora

Sav život povezan je u golemom obiteljskom stablu. Svaki organizam postoji u odnosu sa svojim precima, potomcima i rođacima, a put između bilo koje dvije jedinke može se pratiti. Isto vrijedi i za stanice unutar organizama.

Svaka od trilijuna stanica u ljudskom tijelu nastaje kroz uzastopne diobe oplođenog jajašca i sve se mogu međusobno povezati putem staničnog obiteljskog stabla.

Kod jednostavnijih organizama, poput crva C. elegans, ovo stanično obiteljsko stablo je u potpunosti mapirano, ali stanično obiteljsko stablo čovjeka je mnogo puta veće i složenije.

Profesor MIT-a i član Whitehead Instituta za biomedicinska istraživanja Jonathan Weissman i drugi istraživači, razvili su napredni alat za praćenje loze koji ne samo da bilježi točno obiteljsko stablo staničnih dioba, već to i kombinira s prostornim informacijama, identificirajući gdje svaka stanica završava unutar tkiva.

Istraživači su koristili svoj alat pod nazivom PEtracer, za promatranje rasta metastatskih tumora kod miševa. Kombiniranje praćenja loze i prostornih podataka pružilo je istraživačima detaljan uvid u to kako elementi svojstveni stanicama raka i iz njihovog okruženja utječu na rast tumora.

PEtracer prati stanične loze tako što s vremenom ponavljano dodaje kratke, unaprijed određene kodove DNK stanica. Svaki dio koda, nazvan 'oznaka praćenja loze', sastoji se od pet baza, gradivnih blokova DNK. Ove oznake se ubacuju pomoću tehnologije uređivanja gena koja se naziva 'primarna obrada', a koja izravno prepisuje dijelove DNK s minimalnim neželjenim nusproduktima. Tijekom vremena, svaka stanica dobiva više oznaka praćenja loze, a istovremeno zadržava oznake svojih predaka. Istraživači zatim mogu usporediti kombinacije oznaka stanica kako bi utvrdili odnose i rekonstruirali obiteljsko stablo.

Kada je tkivo, u ovom slučaju tumor koji raste u plućima miša dovoljno naraslo, istraživači su prikupili ta tkiva i koristili napredne pristupe snimanju kako bi proučili linijski odnos svake stanice s drugim stanicama putem oznaka praćenja loze, zajedno s njezinim prostornim položajem unutar snimljenog tkiva i njezinim identitetom (određenim razinama različitih RNA izraženih u svakoj stanici).

PEtracer je kompatibilan i s pristupima snimanja i s metodama sekvenciranja koje hvataju genetske informacije iz pojedinačnih stanica. 

Kombiniranjem praćenja loze, ekspresije gena i prostornih podataka istraživači su razumjeli kako je tumor rastao. Mogli su utvrditi koliko su susjedne stanice blisko povezane i usporediti njihove osobine. Koristeći ovaj pristup, istraživači su otkrili da su tumori koje su analizirali bili sastavljeni od četiri različita modula ili susjedstva stanica.

Tumorske stanice najbliže plućima, području s najvećom hranjivom tvari, bile su najsposobnije, što znači da je njihova povijest loze ukazivala na najveću stopu stanične diobe tijekom vremena. Spremnost stanica raka obično je povezana s time koliko agresivno će tumori rasti.

Stanice na "vodećem rubu" tumora, na drugoj strani od pluća, bile su raznolikije i nisu bile toliko prilagođene. Ispod vodećeg ruba nalazila se zajednica stanica s niskim udjelom kisika koje su nekada možda bile stanice vodećeg ruba, a sada su zarobljene na manje poželjnom mjestu. Između tih stanica i stanica uz pluća nalazila se jezgra tumora, područje s živim i mrtvim stanicama, kao i staničnim ostacima.

Istraživači su otkrili da su stanice raka u obiteljskom stablu imale jednaku vjerojatnost da će završiti u većini regija, s izuzetkom regije uz pluća, gdje je dominiralo nekoliko grana obiteljskog stabla. To sugerira da su na različite osobine stanica raka uvelike utjecali njihovi okoliši ili uvjeti u njihovim lokalnim susjedstvima, a ne njihova obiteljska povijest.

Daljnji dokaz za to bio je da je ekspresija određenih gena povezanih s tjelesnom spremom, poput Fgf1/Fgfbp1, korelirala s lokacijom stanice, a ne s njezinim podrijetlom. Međutim, stanice uz pluća također su imale naslijeđene osobine koje su im davale prednost, uključujući ekspresiju gena Cldn4 povezanog s tjelesnom spremom, što pokazuje da je i obiteljska povijest utjecala na ishode.

Ovi nalazi pokazuju kako na rast raka utječu i čimbenici svojstveni određenim lozama stanica raka i čimbenici okoliša koji oblikuju ponašanje stanica raka koje su im izložene.

"Podaci koje prikupljamo također će biti korisni za obuku AI modela staničnog ponašanja. Uzbuđeni smo što ćemo ovu tehnologiju podijeliti s drugim istraživačima i vidjeti što svi možemo otkriti", zaključuju istraživači.

Studiju objavljenu u časopisu Science možete pronaći na ovoj poveznici.