Científicas de Stanford Medicine están desarrollando un marco para captar mejor cómo las células sanas que rodean a los tumores influyen en el comportamiento de las células cancerosas y cómo esas interacciones pueden influir los tratamientos.
Un equipo de investigadores de Stanford Medicine ha desarrollado una nueva herramienta llamada “colocatoma” o colocatome, que analiza cómo las células no cancerosas influyen en el desarrollo y resistencia de los tumores. Este avance, publicado en Nature Communications, podría mejorar la comprensión del cáncer y el diseño de tratamientos más efectivos.
Este estudio reciente propone un marco cuantitativo innovador para analizar la organización espacial de las células en el microambiente tumoral (TME, por sus siglas en inglés). Este enfoque, denominado “análisis de colocatoma”, permite comparar la localización relativa de diferentes subpoblaciones celulares en muestras de tejido, tanto in vitro como en especímenes patológicos.
El estudio se centra en el adenocarcinoma de pulmón (LUAD, en inglés), un tipo común de cáncer de pulmón, y utiliza modelos tridimensionales derivados de pacientes para explorar cómo las células cancerosas y los fibroblastos asociados al cáncer (CAFs, en inglés) interactúan espacialmente.
Una de las claves de este estudio fue el uso de inteligencia artificial (IA). Los científicos utilizaron un programa llamado CELESTA, que es capaz de identificar automáticamente los diferentes tipos de células en las imágenes. Esto es importante porque, en lugar de tener que clasificar manualmente las células, la IA lo hace de manera rápida y precisa, lo que ahorra tiempo y reduce errores.
CELESTA utiliza machine learning para identificar y clasificar subpoblaciones celulares en las imágenes de inmunofluorescencia multiplexada. Es descrito como un algoritmo semi-supervisado que permite la identificación automatizada de tipos y estados celulares basados en perfiles de expresión de marcadores proteicos, sin necesidad de agrupamiento manual o gateo, lo que agiliza y mejora la precisión del análisis.
El estudio, liderado por Sylvia Plevritis y Gina Bouchard, se centra en cómo las células sanas que rodean a un tumor afectan su crecimiento, resistencia a fármacos y metabolismo. A diferencia de investigaciones previas, que se enfocaban principalmente en las células cancerosas, este trabajo explora el “ecosistema” completo del tumor.
“Las células cancerosas no actúan solas; necesitan de otras células para sobrevivir, resistir o incluso morir”, explicó Bouchard. El colocatoma registra qué tipos de células interactúan, llamadas “colocalizaciones” y cuáles se evitan (anti-colocalizaciones”), lo que ayuda a predecir si un tumor será agresivo o resistente a terapias.
Los investigadores utilizaron modelos experimentales de cáncer de pulmón e IA para comparar patrones celulares con biopsias de pacientes. Descubrieron que ciertas reorganizaciones espaciales entre células cancerosas y fibroblastos, un tipo de célula no cancerosa, pueden generar resistencia a fármacos.
“Es como reorganizar los muebles de una habitación y descubrir que las salidas están bloqueadas”, señaló Plevritis. Este hallazgo sugiere que, además de atacar las células cancerosas, futuros tratamientos podrían enfocarse en alterar su entorno celular. El equipo planea ampliar la base de datos del colocatoma para identificar patrones comunes en distintos tipos de cáncer. Con ayuda de IA, buscarán “reglas universales” en el comportamiento de los tumores, lo que podría llevar a terapias más efectivas y personalizadas. “Si encontramos motivos espaciales compartidos entre diferentes cánceres, podríamos diseñar tratamientos aplicables a múltiples casos”, destacó Plevritis.
