Eierstokkanker doodt elk jaar 14.000 vrouwen in de Verenigde Staten. Het is de vijfde belangrijkste doodsoorzaak door kanker bij vrouwen, en het is zo dodelijk, gedeeltelijk omdat de ziekte in een vroeg stadium moeilijk te vangen is. Patiënten ervaren vaak geen symptomen totdat de kanker zich begint te verspreiden en er zijn geen betrouwbare screeningtests voor vroege detectie.

Een team van onderzoekers werkt eraan om daar verandering in te brengen. De groep omvat onderzoekers van het Memorial Sloan Kettering Cancer Center, Weill Cornell Medicine, de University of Maryland, de National Institutes of Standards and Technology en Lehigh University.

Twee recente artikelen beschrijven hun vorderingen in de richting van een nieuwe detectiemethode voor eierstokkanker. De aanpak maakt gebruik van machine learning-technieken om spectrale handtekeningen van koolstofnanobuisjes efficiënt te analyseren om biomarkers van de ziekte te detecteren en de kanker zelf te herkennen.

Het eerste artikel verscheen in Science Advances in november.

"We hebben aangetoond dat een op waarneming gebaseerd nanosensorplatform biomarkers voor eierstokkanker kan detecteren met behulp van machinaal leren", zegt Yoona Yang, een postdoctoraal onderzoeksmedewerker bij Lehigh's Department of Chemical and Biomolecular Engineering en co-eerste auteur van het artikel samen met Zvi Yaari, postdoctoraal onderzoeker bij Memorial Sloan Kettering Cancer Center in New York. De auteurs waren ook Ming Zheng, een onderzoekschemicus aan het National Institute of Standards and Technology, Anand Jagota, een professor in bio-engineering en chemische en biomoleculaire engineering aan de Lehigh University, en Daniel Heller, geassocieerd lid en hoofd van het Cancer Nanotechnology Laboratory in Memorial Sloan Kettering Cancer Center.

Jagota, die ook dienst doet als associate dean of research voor Lehigh's College of Health, en Yang zijn lid van Lehigh's Nano | Human Interfaces Presidential Initiative, een multidisciplinair onderzoeksinitiatief dat tot doel heeft de manier waarop we werken met gegevens en de geavanceerde instrumenten van wetenschappelijke ontdekking te veranderen.

Traditioneel vereist het detecteren van biomarkers voor ziekte een moleculair herkenningsmolecuul zoals een antilichaam dat met elke marker moet worden gematcht. Maar voor eierstokkanker is er geen enkele biomarker - of analyt - die de aanwezigheid van kanker aangeeft. Wanneer meerdere analyten in een bepaald monster moeten worden gemeten, wat de nauwkeurigheid van een test kan vergroten, zijn meer antilichamen nodig, wat de kosten van de test en de doorlooptijd verhoogt.

"Op waarneming gebaseerde waarnemingsfuncties zoals het menselijk brein", zegt Yang. "Het systeem bestaat uit een detectiearray die een bepaald kenmerk van de analyten op een specifieke manier vastlegt, en vervolgens wordt de ensemblerespons van de array geanalyseerd door het computationele waarnemingsmodel. Het kan verschillende analyten tegelijk detecteren, waardoor het veel meer efficiënt."

Voor dit specifieke onderzoek bestond de array uit enkelwandige koolstofnanobuisjes gewikkeld in DNA-strengen. De manier waarop het DNA was ingepakt en de verscheidenheid aan DNA-sequenties die werden gebruikt, creëerden een diversiteit aan oppervlakken op de nanobuisjes. De diverse oppervlakken trokken op hun beurt een reeks eiwitten aan in een baarmoederspoelingsmonster dat was verrijkt met verschillende niveaus van biomarkers voor eierstokkanker.

"Koolstofnanobuisjes hebben interessante elektronische eigenschappen", zegt Heller. "Als je er licht op schiet, zenden ze een andere kleur licht uit, en de kleur en intensiteit van dat licht kunnen veranderen op basis van wat er aan de nanobuis kleeft. We waren in staat om de complexiteit van zoveel potentiële bindingsinteracties te benutten door een reeks van nanobuisjes met verschillende omhulsels. En dat gaf ons een reeks verschillende sensoren die allemaal iets verschillende dingen konden detecteren, en het bleek dat ze anders reageerden op verschillende eiwitten."

Het machine learning-algoritme is getraind met behulp van de gegevens van de emissie van nanobuisjes - de spectrale handtekeningen - om het emissiepatroon te herkennen dat de aanwezigheid en concentratie van elke biomarker signaleerde.

"De mentale doorbraak hier is dat deze nanobuisjes niet-specifieke sensoren zijn", zegt Jagota. "Ze weten niets over biomarkers, wat betekent dat ze niet zijn geprogrammeerd om zich aan iets specifieks te binden. We wisten alleen dat ze kunnen worden blootgesteld aan een waterig medium, en waar ze ook aan worden blootgesteld in dat medium, zal spectrale verschuivingen veroorzaken en veranderingen in grootte. En door een combinatie van deze sensoren te gebruiken, konden we het algoritme trainen om deze invoer wiskundig met hoge nauwkeurigheid om te zetten in uitvoer. Het is alsof je 20 paar ogen hebt die allemaal overlappende dingen zien. Geen enkel oog is zo goed , maar als verzameling kunnen ze worden getraind om beter te presteren dan de bestaande detectiemethoden voor eierstokkanker."

Het tweede artikel verscheen in maart in Nature Biomedical Engineering en omvatte het werk van veel van dezelfde onderzoekers. Daarnaast waren de auteurs YuHuang Wang, professor in de afdeling scheikunde en biochemie aan de Universiteit van Maryland, en Mijin Kim, postdoctoraal onderzoeksmedewerker bij Memorial Sloan Kettering Cancer Center, die hoofdauteur van het onderzoek was.

"In dit artikel keken we niet langer naar biomarkers, we keken naar de ziekte zelf", zegt Heller. "We wilden weten of deze technologie een bloedmonster kan onderscheiden van een patiënt met eierstokkanker van een patiënt zonder eierstokkanker?"

Die patiënten zonder eierstokkanker waren zowel gezonde mensen als mensen met andere ziekten.

In deze studie werden de nanobuisjes gefunctionaliseerd met kwantumdefecten, waardoor de diversiteit aan reacties die de nanobuisjes zouden bieden in wezen toenam.

"Aan de nanobuisjes was een bepaald molecuul gebonden dat het een extra signaal gaf qua data", zegt Jagota. "Dus rijkere gegevens kwamen van elke combinatie van nanobuisjes en DNA. En het model werd niet getraind op de biomarker, maar op de ziektetoestand."

Het model ontwikkelde een "ziektevingerafdruk" uit de spectrale emissies van de nanobuisjes. De resultaten waren statistisch significant wat betreft de specificiteit van het model bij het detecteren van eierstokkanker en de gevoeligheid bij het detecteren van zowel bekende als onbekende biomarkers van de ziekte.

Heller zegt dat een analogie voor hoe het machine learning-model werkt - in beide artikelen - de menselijke neus is. Er is bijvoorbeeld niet één geurreceptor voor elke geur.

"In plaats daarvan zijn er een heleboel verschillende geurreceptoren die zich binden aan bepaalde moleculen en een patroon of een soort vingerafdruk creëren", zegt hij. "En dat patroon wordt verwerkt door je hersenen, die je op hun beurt vertellen wat je ruikt. Dus hier is er niet één bepaalde sensor die op één bepaald ding reageert. Maar op basis van het patroon van verschillende sensoren die reageren met verschillende veranderingen in kleur en golflengte-intensiteit kan het algoritme interpreteren wat een biomarker is en wat niet, of wat ziekte is en wat geen ziekte is."

Het team heeft aangetoond dat hun techniek eierstokkanker beter kan detecteren dan de huidige methoden, maar het kan nog geen vroege stadia van de ziekte identificeren. Voor een deel, zegt Heller, is het probleem voldoende monsters te vinden om het algoritme te trainen, omdat er op die tijdstippen zo weinig mensen worden gediagnosticeerd.

"We werken eraan om te bepalen hoe we deze ziekte daadwerkelijk in een zo vroeg mogelijk stadium kunnen detecteren", zegt hij.

Volgende stappen kunnen ook zijn om de techniek voor een reeks ziekten te ontwikkelen en te bepalen of deze kan worden geoptimaliseerd om in klinische omstandigheden te werken, zegt Jagota.

"En dit is een techniek die op verschillende gebieden kan worden toegepast", zegt hij. "We zijn gericht op gezondheid, maar het kan bijvoorbeeld worden gebruikt om verontreinigende stoffen in de lucht te identificeren. Er is het potentieel om veel verschillende ziekten en aandoeningen aan te pakken, en dat vind ik fascinerend." + Verder verkennen

Onderzoekers gebruiken fluorescerende koolstof nanobuisjes om eierstokkanker op te sporen