→ العودة إلى الصفحة الرئيسية

كيف يمكن استهداف الخلايا الجذعية السرطانية مع تجنّب الأنسجة الطبيعية؟ مراجعة جديدة تقترح مسارًا لاختيار الأهداف بالذكاء الاصطناعي

قد تتغيّر واسمات الخلايا الجذعية السرطانية مع العلاج، وقد توجد أيضًا على خلايا سليمة. تعيد مراجعة جديدة وضع تصميم مكوّنات التعرّف في مستقبلات CAR بالذكاء الاصطناعي ضمن هذه المعضلة البيولوجية: فإمكان تصنيع المستقبل لا يغني عن إثبات قدرته على التعرّف بأمان على الخلايا التي ينبغي التخلص منها فعلًا.

By SURL BioNews

من أصعب مشكلات علاج السرطان أن انكماش الورم قد يترك وراءه خلايا قادرة على التسبب في عودة المرض. ولكي تلاحق الخلايا المناعية هذه الخلايا السرطانية ذات الخصائص الجذعية، يجب أن يكون التعرّف عليها دقيقًا بما يكفي: فبعض الواسمات المرشحة توجد أيضًا على الخلايا الجذعية الطبيعية أو الخلايا السلفية، وقد تتحول القدرة على مهاجمة الورم إلى مصدر لإيذاء الأنسجة السليمة.

تقترح مراجعة نُشرت في 4 نوفمبر في «Clinical Cancer Bulletin»، وكتبها Visula Abeysuriya وSachintha N. Alwis وVasitha Abeysuriya، مسارًا بحثيًا يجمع بين تحليل الخلايا المفردة، وبيانات الأوميكس المتعددة، وفحص الأهداف، وتصميم مكوّنات الارتباط في مستقبلات CAR بمساعدة الحاسوب. وقد عرض تقرير اختاره Bioengineer.org للنشر، واعتمد على Scienmag مصدرًا للخبر، هذه الفكرة؛ ويتمثل محورها في كيفية التعامل مع مقاومة الأدوية والسلامة معًا، وليس الإعلان عن علاج جديد ثبتت فعاليته.

ولا يمكن ببساطة اعتبار الخلايا الجذعية السرطانية مجموعة من الخلايا تحمل علامات ثابتة. فقد تتغيّر حالاتها ومستضداتها السطحية بتأثير البيئة وضغوط العلاج، مما يتيح لخلايا كان من الممكن التعرّف عليها أن تفلت من الهجوم. لذلك، تدعو المراجعة إلى ألّا يقتصر اختيار الأهداف على تحديد الواسم الأكثر وفرة في الورم، بل أن يشمل أيضًا مقارنة التعبير عنه في حالات خلوية مختلفة وفي الأنسجة الطبيعية، لتقييم ما إذا كان هناك هامش كافٍ بين التخلص من الخلايا السرطانية وحماية الخلايا السليمة.

للذكاء الاصطناعي مهمتان مختلفتان في هذا المسار: الأولى دمج بيانات الخلايا المفردة وبيانات الأوميكس المتعددة للمساعدة في العثور على مستضدات أكثر انتقائية للورم؛ والثانية تصميم الجزء الرابط للمستضد في مستقبلات CAR، لتمكين الخلايا المناعية المهندسة من التعرّف على الهدف. تجيب الأولى عن سؤال «مَن ينبغي مهاجمته؟»، وتعالج الثانية سؤال «كيف يمكن التعرّف عليه؟». وحتى إذا نجح تصميم مكوّن التعرّف، فلا يمكن الاستنتاج مباشرة أن الهدف نفسه آمن بما يكفي.

ويشدّد المؤلفون خصوصًا على أن الأبحاث الحالية لتصميم مستقبلات CAR بالذكاء الاصطناعي لم تثبت بعد قدرتها على تحقيق تعرّف نوعي موثَّق على الخلايا الجذعية السرطانية باستهداف CD133 أو CD44 أو EpCAM أو CD123. ووجود هذه الواسمات المرشحة أيضًا على خلايا طبيعية هو تحديدًا العقبة التي يجب تجاوزها. وتوفر الإنجازات القائمة في هندسة المستقبلات أساسًا تقنيًا، لكنها لا تزال غير كافية لإثبات إمكان التخلص بأمان، داخل أجسام المرضى، من الخلايا القادرة على إعادة تكوين الورم.

ويذكر التقرير أيضًا إمكانية استخدام الذكاء الاصطناعي لتتبّع التغيّرات باستمرار خلال العلاج، وإنشاء «توأم رقمي» لخلايا CAR-T: وذلك عبر تحديث بيانات المريض لمحاكاة التفاعل بين الورم والخلايا المناعية، واستكشاف كيفية نشوء مقاومة الأدوية. لكن هذه الأفكار لا تزال قيد التطوير، ولم تصبح بعد أدوات سريرية ناضجة يمكن الاستناد إليها لتعديل علاج الخلايا الجذعية السرطانية.

ترسم هذه المراجعة إطارًا بحثيًا لا يزال بحاجة إلى التحقق. ولا تزال معظم التطبيقات حاليًا في المرحلة الحاسوبية أو ما قبل السريرية، ولم تثبت بعد فائدتها السريرية في دراسات استباقية. ولكي تدخل الأهداف التي يختارها الذكاء الاصطناعي فعليًا في العلاج، لا يزال على الباحثين الإجابة، باستخدام البيانات التجريبية والسريرية، عن السؤال نفسه: هل يمكنها مواكبة تغيّرات الخلايا السرطانية مع الحفاظ على هامش أمان موثوق بما يكفي؟

References

  1. Bioengineer.org
  2. Clinical Cancer Bulletin
  3. Scienmag