Les idées issues de l’écologie communautaire peuvent compléter les approches basées sur le regroupement dans l’interprétation des données histologiques multiplexes. un–c Le regroupement peut identifier l’architecture cellulaire et phénotypique des tissus à partir de données histologiques multiplexes, mais peut mal interpréter la structure niche-interface des tissus. un Pour segmenter les coupes histologiques en niches, la composition cellulaire locale est étudiée sur plusieurs sites d’échantillonnage. Les sites de composition cellulaire similaire sont regroupés et chaque groupe est interprété comme une niche histologique. b–c La composition cellulaire locale ne forme pas nécessairement des clusters. b Dans les tissus ayant peu d’interface, les sites se situent principalement dans une certaine niche et leur composition cellulaire est donc regroupée par niche. c Lorsque les niches comportent de grandes régions d’interface, les sites couvrent souvent plus d’une seule niche, de sorte que la composition cellulaire du site est un mélange des deux niches. Par conséquent, dans le cas de deux niches, la composition cellulaire des sites décrit un segment linéaire. Les sites de la région centrale d’une niche donnée se trouvent aux extrémités du segment tandis que les sites du milieu du segment représentent les régions d’interface. d La cartographie des phénotypes de niche utilise des idées issues de l’écologie communautaire pour segmenter automatiquement les tissus en niches et leurs interfaces. Par exemple, la section de tissu cancéreux du sein illustrée ici se divise en une niche cancéreuse et une niche inflammatoire, séparées par une interface cancer-inflammatoire (1). Sur la base de cette segmentation, l’architecture phénotypique du tissu est résumée en termes de types cellulaires – tumeur, macrophage,… – et de phénotypes – CD45RO+, IDO+,… – associés aux différentes niches et à leurs interfaces (2). Enfin, les associations niche-phénotype les plus fortes ainsi identifiées sont mises en évidence pour étayer la formulation de nouvelles hypothèses (3). Crédit: Communications naturelles (2023). DOI : 10.1038/s41467-023-42878-z
Des chercheurs du Karolinska Institutet et du SciLifeLab en Suède ont combiné les techniques d’intelligence artificielle (IA) utilisées dans l’imagerie satellite et l’écologie communautaire pour interpréter de grandes quantités de données provenant des tissus tumoraux. La méthode, présentée dans la revue Communications naturellespourrait contribuer à un traitement plus personnalisé des patients atteints de cancer.
Alors que les progrès récents en matière d’imagerie des tumeurs offrent un excellent aperçu du monde microscopique des tumeurs, le défi consiste à interpréter l’énorme quantité de données générées. Avec des centaines de molécules mesurées simultanément dans des dizaines, voire des centaines de milliers de cellules, il est devenu difficile pour les chercheurs de savoir sur quelles molécules et quelles cellules se concentrer.
Les méthodes d’IA peuvent en principe aider les chercheurs à analyser cette avalanche de données et à déterminer sur quoi se concentrer. Cependant, l’IA traditionnelle telle que les réseaux de neurones profonds effectue souvent des tâches sans fournir d’explications claires et compréhensibles pour les humains. Les détails du fonctionnement du processus sont cachés ou difficiles d’accès dans ce qu’on appelle une boîte noire.
L’équipe de recherche du Karolinska Institutet et de SciLifeLab a reconnu les limites de ces méthodes et s’est inspirée d’autres domaines. Ils ont identifié des techniques d’analyse bien établies en imagerie satellitaire et en écologie remontant respectivement aux années 2000 et 1950.
Semblable à l’interprétation d’images satellite
De nouvelles méthodes d’IA sont continuellement développées pour interpréter les données des images satellite, par exemple pour identifier automatiquement les villes, les lacs, les forêts et les déserts au sein de grandes images satellite. En écologie, des techniques avancées sont utilisées pour révéler comment les espèces de plantes, d’animaux et de micro-organismes cohabitent en communautés au sein d’une zone géographique donnée.
“Nous avons réalisé que l’interprétation des images de tumeurs est similaire à l’interprétation des images satellites et que les relations entre les cellules d’un tissu sont similaires aux relations entre les espèces en écologie”, explique Jean Hausser, chercheur principal au Département d’Etudes Cellulaires et Moléculaires. Biologie, Karolinska Institutet, qui a dirigé la recherche. “En combinant les techniques utilisées en imagerie satellitaire et en écologie et en les adaptant à l’analyse du tissu tumoral, nous avons désormais pu transformer des données complexes en de nouvelles connaissances sur le fonctionnement du cancer.”
La prochaine étape consiste à appliquer la nouvelle méthode aux essais cliniques. Les chercheurs collaborent avec un grand hôpital anticancéreux de Lyon, en France, pour chercher des réponses aux raisons pour lesquelles seuls certains patients répondent à l’immunothérapie anticancéreuse. Dans le cadre d’une autre collaboration avec la Mayo Clinic aux États-Unis, ils étudient pourquoi certaines patientes atteintes d’un cancer du sein n’ont pas besoin de chimiothérapie.
“Grâce à notre nouvelle méthode, nous pouvons révéler des détails importants dans le tissu tumoral qui peuvent déterminer si un traitement contre le cancer fonctionne ou non. L’objectif à long terme est de pouvoir adapter les traitements contre le cancer aux besoins individuels et d’éviter les effets secondaires inutiles”, explique Jean. Hausser.
Plus d’information:
Anissa El Marrahi et al, NIPMAP : cartographie de phénotypes de niche des données histologiques multiplex par écologie communautaire, Communications naturelles (2023). DOI : 10.1038/s41467-023-42878-z
Fourni par l’Institut Karolinska
Citation: Les chercheurs adoptent une nouvelle approche de l’IA pour analyser les tumeurs (13 novembre 2023) récupéré le 13 novembre 2023 sur
Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni seulement pour information.
