Ученые Сеченовского Университета создадут клеточную 3D-модель опухоли печени для поиска уязвимостей рака

Гепатоцеллюлярная карцинома — одна из самых агрессивных форм рака печени, для которой характерны высокая частота рецидивов и низкая эффективность стандартной терапии. Одной из причин этого ученые считают наличие так называемых стволоподобных клеток - небольшой субпопуляции, обладающей свойствами стволовых клеток: способностью к неограниченному самовоспроизведению, дифференцировке в различные типы опухолевых клеток, а также повышенной устойчивостью к терапии, что и связывают с рецидивами.

В рамках проекта команда планирует изучать метаболические состояния таких клеток в условиях, максимально приближенных к физиологическим. Для этого будут использованы 3D-органоиды, которые воспроизводят ключевые характеристики опухолевой ткани, такие как клеточная гетерогенность и пространственная организация, и которые могут быть дополнены компонентами микросреды (например, фибробластами) для более полного моделирования.

«В перспективе наши результаты могут лечь в основу персонализированного подхода к терапии рака печени. Алгоритмы ИИ и метаболический имиджинг помогут выявлять в опухоли пациентов наиболее агрессивные и устойчивые субпопуляции клеток, а подобранные в проекте малые интерферирующие РНК станут основой для разработки новых препаратов, направленных на уменьшение опухоли и предотвращение рецидивов», – пояснила заведующая лабораторией омиксных и регенеративных технологий Дарья Кузнецова.

Метаболическое состояние клеток ученые будут анализировать с помощью FLIM микроскопии — метода оптической визуализации, позволяющего по косвенным признакам определить, какой способ получения энергии использует клетка в данный момент. Это дает возможность увидеть различия между клеточными субпопуляциями без их повреждения.

Для проверки роли отдельных генов в устойчивости опухолевых клеток будут использоваться малые интерферирующие РНК, которые позволяют «выключать» выбранные гены и наблюдать, как это влияет на жизнеспособность клеток и их способность к адаптации. Такой подход поможет выявить потенциальные метаболические уязвимости опухоли.

Дополнительно в проекте планируется применение инструментов искусственного интеллекта и компьютерного зрения. Они помогут автоматически распознавать клетки с повышенной устойчивостью и анализировать, как они распределяются внутри опухолевой ткани.