(C) unter Verwendung eines Motivs von Andrei Suslov / 123RF.com
Je früher eine Krebserkrankung erkannt wird, je besser sind in der Regel die Erfolgsaussichten einer Behandlung. Forscher des MIT und von Microsoft haben nun ein KI-Modell für diesen Zweck entwickelt.
Die Forscher entwickelten ein KI-Modell zur Konstruktion von Peptiden (kurzen Proteinen), die von Enzymen namens Proteasen angegriffen werden, die in Krebszellen überaktiv sind. Mit diesen Peptiden beschichtete Nanopartikel können als Sensoren fungieren, die ein Signal abgeben, wenn krebsassoziierte Proteasen irgendwo im Körper vorhanden sind. Abhängig davon, welche Protease erkannt wird, können Ärzte auch Rückschlüsse auf die Krebsart ziehen. Dazu ist nur ein einfacher Urintest nötig, der selbst Zuhause ausgeführt werden kann.
“Wir konzentrieren uns auf die hochsensible Erkennung von Krankheiten wie Krebs im Frühstadium, wenn die Tumorlast noch gering ist, oder auf das frühe Stadium eines Rückfalls nach einer Operation”, sagt Sangeeta Bhatia, John- und Dorothy-Wilson-Professorin für Gesundheitswissenschaften und -technologie sowie Elektrotechnik und Informatik am MIT und Mitglied des Koch Institute for Integrative Cancer Research und des Institute for Medical Engineering and Science (IMES) des MIT.
Vor mehr als einem Jahrzehnt kam Bhatia’s Labor auf die Idee, die Proteaseaktivität als Marker für Krebs im Frühstadium zu nutzen. Das menschliche Genom kodiert etwa 600 Proteasen, Enzyme, die andere Proteine, darunter auch Strukturproteine wie Kollagen, spalten können. In Krebszellen sind sie oft überaktiv, da sie den Zellen helfen, sich aus ihrer ursprünglichen Position zu lösen, indem sie Proteine der extrazellulären Matrix spalten, die normalerweise die Zellen an ihrem Platz hält.
Die Idee der Forscher bestand darin, Nanopartikel mit Peptiden zu beschichten, die von einer bestimmten Protease gespalten werden können. Diese Partikel könnten dann eingenommen oder inhaliert werden. Während sie durch den Körper wandern, würden die Peptide auf den Partikeln gespalten werden, wenn sie auf krebsbezogene Proteasen treffen. Diese Peptide würden mit dem Urin ausgeschieden und könnten dort mit einem Teststreifen ähnlich einem Schwangerschaftstest nachgewiesen werden. Die Messung dieser Signale würde die Überaktivität von Proteasen tief im Körperinneren aufdecken.
In ihrer neuen Studie gingen die Forscher über den traditionellen Trial-and-Error-Prozess hinaus und entwickelten ein neuartiges KI-System namens CleaveNet, um Peptidsequenzen zu entwerfen, die von den interessierenden Zielproteasen effizient und spezifisch gespalten werden können. Benutzer können CleaveNet mit Designkriterien füttern, woraufhin CleaveNet Peptidkandidaten generiert, die diesen Kriterien wahrscheinlich entsprechen.
