Pesquisadores do Rogel Cancer Center da Universidade de Michigan desenvolveram um modelo de aprendizado de máquina que pode prever alvos metabólicos no câncer de ovário. O estudo publicado no mês passado na Nature Metabolism mostra que uma plataforma computacional baseada em aprendizado de máquina (machine learning) pode identificar alvos metabólicos específicos no câncer de ovário, que podem ser usados em terapias de tratamento personalizado.
De acordo com o Centro de Controle e Prevenção de Doenças (CDC) dos EUA, o câncer de ovário é o segundo câncer ginecológico mais comum no país e causa mais mortes do que qualquer outro câncer do sistema reprodutivo feminino.
Por causa disso, muitos pesquisadores que investigam alvos de tratamento e terapias personalizadas para câncer de ovário estão se voltando para abordagens de ponta, como medicina de precisão e genômica. Neste estudo, os pesquisadores usaram uma abordagem interdisciplinar para desenvolver um modelo de aprendizado de máquina para identificar vulnerabilidades metabólicas em certos genes que podem afetar o crescimento do câncer.
De acordo com o comunicado à imprensa, essas vulnerabilidades podem ocorrer como resultado de alterações genéticas que ocorrem em conjunto com o crescimento do câncer. Mutações de câncer são frequentes em casos de câncer de ovário. Essas mutações contribuem para a agressividade do câncer, dando às células mutantes uma vantagem de crescimento. No entanto, certos genes podem ser excluídos juntamente com essas mutações, o que pode resultar em células mais vulneráveis ao tratamento.
“Quando um gene é excluído, os genes metabólicos, que permitem que as células cancerígenas cresçam, também são excluídos”, explicou na nota Deepak Nagrath, PhD, professor associado de engenharia biomédica da Universidade de Michigan e principal autor do estudo. “A teoria é que as vulnerabilidades surgem no metabolismo das células cancerígenas devido a alterações genéticas específicas.”
Usando essa teoria, os pesquisadores procuraram investigar a relação entre o metabolismo e esses genes. O comunicado afirma ainda que, quando os genes encarregados de regular a função metabólica são excluídos, as células cancerígenas alteram seu próprio metabolismo para compensar essa perda. Por causa disso, as formações de tumores e o crescimento do câncer podem continuar em taxas agressivas, apesar das mudanças genéticas.
Para avaliar essa relação no câncer de ovário, a equipe usou uma combinação de modelagem metabólica complexa, aprendizado de máquina e teoria de otimização, que se preocupa em minimizar o número de células cancerígenas no final do tratamento, em modelos de linhagem celular e camundongo.
Por meio dessa abordagem, os pesquisadores obtiveram informações sobre a enzima do câncer de ovário MTHFD2. Em células de câncer de ovário com comprometimento das mitocôndrias devido à deleção do gene UQCR11, há um desequilíbrio crítico de um metabólito conhecido como dinucleotídeo de nicotinamida adenina (NAD+). Usando seu modelo de aprendizado de máquina, os pesquisadores descobriram que o MTHFD2 alteraria sua própria função em resposta a esse desequilíbrio, girando para criar NAD+ nas células. Isso resulta em uma vulnerabilidade que pode ser direcionada para matar seletivamente as células cancerígenas, deixando as células saudáveis minimamente afetadas, diz o comunicado.
“Terapias personalizadas como essa estão se tornando uma possibilidade crescente para melhorar a eficácia dos tratamentos de câncer de primeira linha”, disse Abhinav Achreja, PhD, pesquisador e primeiro autor do estudo. “Existem várias abordagens para descobrir alvos personalizados para o câncer, e várias plataformas preveem alvos com base em análises de big data. Nossa plataforma faz previsões considerando a funcionalidade e o mecanismo metabólico, aumentando as chances de sucesso ao traduzir para a clínica.”