Novas Perspectivas sobre Tratamentos para Neurofibromatose Tipo 1
Pesquisadores usam técnicas avançadas pra encontrar tratamentos melhores pra NF1.
― 6 min ler
Índice
A neurofibromatose tipo 1 (NF1) é uma condição genética que afeta cerca de 1 em cada 3.000 pessoas. Essa condição é passada de geração pra geração e pode acontecer por causa de mudanças, ou mutações, no gene NF1. A maioria das pessoas com NF1 já nasce com essas mutações (chamadas de mutações de novo). O gene NF1 é responsável por produzir uma proteína chamada neurofibromina, que ajuda a regular o crescimento celular. Quando essa proteína não funciona direito por causa da mutação, pode provocar sinais de crescimento excessivo nas células, fazendo com que elas se multipliquem de forma descontrolada.
Um dos maiores problemas da NF1 é que pode causar o desenvolvimento de tumores. Esses tumores podem ser benignos, ou seja, não cancerosos, ou malignos, que podem ser cancerosos. Pra muitos pacientes com NF1, tumores benignos chamados neurofibromas cutâneos (cNFs) aparecem na pele, o que pode atrapalhar a vida cotidiana. Cerca de 30-50% dos pacientes com NF1 podem também desenvolver neurofibromas plexiformes (pNFs), que são tumores que crescem ao longo dos nervos e podem ser dolorosos ou causar outros problemas. Embora os pNFs sejam geralmente benignos, em alguns casos podem se transformar em tumores malignos, afetando significativamente as chances de sobrevivência do paciente.
Atualmente, só tem um remédio aprovado pelo FDA pra tratar os pNFs, conhecido como Selumetinib. Esse remédio funciona reduzindo o crescimento dos tumores, mas é eficaz só pra um grupo específico de pacientes e traz alguns efeitos colaterais desagradáveis.
Procurando Tratamentos Melhores
Dadas as dificuldades ligadas à NF1 e as limitações dos tratamentos atuais, os pesquisadores estão buscando maneiras de melhorar a atividade da neurofibromina nas células. Se eles conseguirem achar formas de potencializar a função dessa proteína, pode ajudar a desacelerar ou até reverter o crescimento dos tumores e outros sintomas da NF1.
Uma estratégia pra encontrar novos tratamentos é testar vários remédios pra ver quais conseguem aumentar a atividade da neurofibromina. Tentativas anteriores de descobrir remédios eficazes pra NF1 não examinaram totalmente os tipos de células certos ou só avaliaram medidas básicas, tipo quantas células sobrevivem após o tratamento. Uma abordagem mais nova, chamada descoberta de fármacos fenotípicos, combina tecnologia moderna em microscopia com análise de computador pra priorizar remédios com base nos efeitos sobre o comportamento celular. Isso permite um exame mais profundo de como os remédios podem melhorar as condições causadas pela NF1.
Pra fazer progresso com essa abordagem, é essencial provar que ela funciona. Os pesquisadores queriam ver se técnicas avançadas de microscopia podiam distinguir com eficácia entre Células de Schwann (as células afetadas pela NF1) com diferentes tipos de gene NF1. A Microscopia de Alto Conteúdo, um método que coleta informações detalhadas de imagens de células, avançou bastante nas últimas duas décadas e oferece um grande potencial pra estudar doenças como a NF1.
Montando o Experimento
No estudo deles, os pesquisadores usaram microscopia de alto conteúdo pra analisar células de Schwann que tinham o gene NF1 funcionando normalmente ou tinham uma mutação que fez ele parar de funcionar. Eles marcaram várias partes das células, incluindo o núcleo, retículo endoplasmático, mitocôndrias e uma parte da célula chamada citoesqueleto. Depois, processaram essas imagens pra extrair medidas detalhadas das formas e características das células.
Depois de capturar mais de 22.000 células de diferentes experimentos, os pesquisadores usaram métodos estatísticos pra analisar os dados. Eles verificaram se as células com diferentes tipos de gene NF1 mostravam diferenças visuais em sua estrutura. Mesmo que esperassem que as diferenças fossem sutis, conseguiram identificar algumas características significativas.
Aprendizado de Máquina pra Análise Aprimorada
Pra entender melhor essas diferenças, os pesquisadores treinaram um modelo de aprendizado de máquina pra classificar as células de Schwann com base nos tipos de gene NF1. Eles dividiram os dados em conjuntos de treinamento e teste pra garantir que o modelo pudesse prever com precisão os tipos de células que estava encontrando. O modelo se saiu bem, mostrando que conseguia diferenciar de forma confiável os dois tipos de células com base na morfologia delas.
Analisando medições importantes feitas na análise celular, o modelo conseguiu identificar características específicas vinculadas a cada genótipo NF1. As características mais relevantes incluíam como o núcleo e o retículo endoplasmático estavam organizados nas células e como o citoesqueleto estava estruturado. Esses achados sugerem que até pequenas diferenças na estrutura celular podem indicar os fatores genéticos subjacentes que influenciam a NF1.
Implicações para Pesquisas Futuras
Essa pesquisa oferece uma prova de conceito pra usar microscopia de alto conteúdo e aprendizado de máquina pra identificar tratamentos pra NF1, reconhecendo mudanças específicas no comportamento celular. Os resultados destacam a importância de várias características celulares pra entender os efeitos das mutações do gene NF1.
Os pesquisadores também reconhecem algumas limitações na abordagem deles. Por exemplo, eles não examinaram um terceiro genótipo que poderia fornecer mais insights sobre como os níveis de neurofibromina impactam as células de Schwann. Além disso, a origem das células usadas no estudo limita os achados a um contexto específico, tornando necessário replicar os experimentos em diferentes tipos de células e condições.
No futuro, a equipe de pesquisa planeja realizar triagens de medicamentos mais extensas usando os métodos deles. Eles pretendem identificar novos remédios que possam ajudar a restaurar características normais nas células NF1. Expandindo o trabalho pra incluir uma gama mais ampla de amostras de pacientes com NF1, os pesquisadores acreditam que podem criar um perfil mais preciso de como diferentes mutações de NF1 influenciam o comportamento celular.
Conclusão
Em resumo, esse estudo abre caminho pra novas abordagens terapêuticas no tratamento da NF1. Usando técnicas avançadas de imagem e análise de dados, os pesquisadores estão criando possibilidades melhores pra identificar remédios que podem apoiar a função da neurofibromina. Isso pode levar a opções de tratamento mais eficazes pra pessoas com NF1, melhorando a qualidade de vida delas e enfrentando os desafios que elas enfrentam por causa da condição. Com a pesquisa contínua e o aprimoramento das técnicas, há esperança de descobrir terapias eficazes que possam impactar positivamente a vida dos pacientes com NF1.
Título: High-content microscopy and machine learning characterize a cell morphology signature of NF1 genotype in Schwann cells
Resumo: Neurofibromatosis type 1 (NF1) is a multi-system, autosomal dominant genetic disorder driven by the systemic loss of the NF1 protein neurofibromin. Loss of neurofibromin in Schwann cells is particularly detrimental, as the acquisition of a second-hit (e.g., complete loss of NF1) can lead to the development of plexiform neurofibroma tumors. Plexiform neurofibromas are painful, disfiguring tumors with an approximately 1 in 5 chance of sarcoma transition. Selumetinib is currently the only medicine approved by the U.S. Food and Drug Administration (FDA) for the treatment of plexiform neurofibromas in a subset of patients. This motivates the need to develop new therapies, either derived to treat NF1 haploinsufficiency or complete loss of NF1 function. To identify new therapies, we need to understand the impact neurofibromin has on Schwann cells. Here, we aimed to characterize differences in high-content microscopy imaging in neurofibromin-deficient Schwann cells. We applied a fluorescence microscopy assay (called Cell Painting) to two isogenic Schwann cell lines, one of wildtype genotype (NF1+/+) and one of NF1 null genotype (NF1-/-). We modified the canonical Cell Painting assay to mark four organelles/subcellular compartments: nuclei, endoplasmic reticulum, mitochondria, and F-actin. We utilized CellProfiler pipelines to perform quality control, illumination correction, segmentation, and cell morphology feature extraction. We segmented 22,585 NF1 wildtype and null cells, utilized 907 significant cell morphology features representing various organelle shapes and intensity patterns, and trained a logistic regression machine learning model to predict the NF1 genotype of single Schwann cells. The machine learning model had high performance, with training and testing data yielding a balanced accuracy of 0.85 and 0.80, respectively. All of our data processing and analyses are freely available on GitHub. We look to improve upon this preliminary model in the future by applying it to large-scale drug screens of NF1 deficient cells to identify candidate drugs that return NF1 patient Schwann cells to phenocopy NF1 wildtype and healthier phenotype.
Autores: Gregory P Way, J. Tomkinson, C. Mattson, M. Mattson-Hoss, H. Sarnoff, S. J. Bouley, J. A. Walker
Última atualização: 2024-09-16 00:00:00
Idioma: English
Fonte URL: https://www.biorxiv.org/content/10.1101/2024.09.11.612546
Fonte PDF: https://www.biorxiv.org/content/10.1101/2024.09.11.612546.full.pdf
Licença: https://creativecommons.org/licenses/by/4.0/
Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.
Obrigado ao biorxiv pela utilização da sua interoperabilidade de acesso aberto.