EMBL researchers have developed a new AI tool, which, through a game of molecular laser tag, identifies cells that can shed light on the earliest origins of cancer
MAGIC operates like a fully automated game of laser tag, spotting cells with a particular visible feature, like the presence of micronuclei, and marking them using a system involving a laser and a photoconvertible dye. Credit: Daniela Velasco/EMBL
Summary
During cell division, chromosomal abnormalities – defects in chromosome number or structure – can occur, which can cause particularly aggressive forms of cancer.
A new study has shed light on how chromosomal abnormalities arise in normal cells, the rates at which they do so, and how these rates are affected by various factors.
To do this, the scientists developed a novel and versatile artificial intelligence (AI) tool called MAGIC, which combines automated microscopy and image analysis with single-cell genome sequencing.
Understanding the molecular origins of cancer in this way could pave the way for better genetic detection tools and potential medical prevention strategies in the future.
The human body relies on precise genetic instructions to function, and cancer begins when these instructions get scrambled. When cells accumulate genetic errors over time, they can break free of the normal controls on their growth and divide excessively. Chromosomal abnormalities – numerical and structural defects in chromosomes – are a common first step in this process, often contributing to normal cells turning cancerous.
A new AI tool developed by researchers in the Korbel Group at EMBL Heidelberg now offers a powerful method to gain deep insights into how such chromosomal abnormalities arise in the first place. This knowledge could eventually help scientists understand the origin of cancer.
“Chromosomal abnormalities are a main driver for particularly aggressive cancers, and they’re highly linked to patient death, metastasis, recurrence, chemotherapy resistance, and fast tumour onset,” said Jan Korbel, senior scientist at EMBL and senior author of the new paper, published in the journal Nature. “We wanted to understand what determines the likelihood that cells undergo such chromosomal alterations, and what’s the rate at which such abnormalities arise when a still normal cell divides.”
The idea of chromosomal abnormalities leading to cancer is not new. In fact, more than a century ago, German scientist Theodor Boveri was the first to hypothesise, based on microscopy studies, that abnormal chromosomal contents in a cell contribute to the development of cancer.
However, since only a small fraction of cells display chromosomal abnormalities at a given time, and these cells often die (or are killed off) via a natural selection process, their detection has previously proved to be a key challenge. Scientists had to manually spot such cells under the microscope, and only a handful of cells could be isolated at a time for further analysis.
Marco Cosenza, Research Scientist in the Korbel Group, hit upon the solution to this problem after working with other teams at EMBL wrestling with similar challenges. He and his collaborators developed a new, autonomous system that combines automated microscopy, single-cell sequencing, and AI, which they named machine learning-assisted genomics and imaging convergence – or MAGIC.
‘Laser tag’ to precisely identify and mark cells
Essentially, MAGIC operates like a fully automated game of laser tag. It spots ‘enemies’, or cells, with a particular kind of visible feature. For this study, the scientists focused on a cellular structure called a ‘micronucleus’. Micronuclei are tiny enclosed compartments inside cells that contain a small portion of the cells’ DNA, broken off from the bulk of the genome. Cells with micronuclei tend to produce new chromosomal abnormalities, which makes them more likely to turn cancerous.
Once cells with micronuclei are detected, the system ‘tags’ them using a laser. For this, the scientists used a photoconvertible dye – a fluorescent molecule that undergoes a chemical transformation if light is shone on it, changing the colour of light it emits.
“This project combined a lot of my interests in one,” said Cosenza. “It involves genomics, microscopic imaging, and robotic automation. During the COVID-19-related lockdown in 2020, I could really spend some time on learning and applying AI computer vision technologies to the biological image data we had collected before. Afterwards, we designed experiments to validate it and take it further.”
In practice, MAGIC works like this. First, an automated microscope captures a series of images of a cell sample. Next, a machine learning algorithm, trained on manually annotated datasets of micronuclei-containing cells, scans the images. When the algorithm spots cells with micronuclei, it shares their location with the microscope and instructs it to shine light specifically on those cells, permanently tagging them. The tagged cells can then easily be separated from these still-living cells using methods like flow cytometry, and subsequently be subjected to deeper analysis, e.g. by looking at their cellular genomes.
By automating the previously labour-intensive, time-consuming, and error-prone process of detecting cells with micronuclei, MAGIC allows scientists to study such cells at a scale and speed previously unheard of. In less than a day, scientists can analyse nearly 100,000 cells using this method.
The team used MAGIC to analyse chromosomal abnormalities in cultured cells originally derived from normal human cells. Their results showed that a little more than 10% of all cell divisions result in spontaneous chromosomal abnormalities of some kind and that this rate nearly doubles when a particular gene – p53, a well-known tumour suppressor – is mutated. The scientists also studied other triggers and contributors to chromosomal abnormality formation, such as the presence and location of double-stranded DNA breaks within a chromosome.
The study involved collaborations across and outside EMBL, with key contributions from the Advanced Light Microscopy Facility (ALMF) and the Pepperkok Team at EMBL Heidelberg, Isidro Cortes-Ciriano’s group at EMBL-EBI, and Andreas Kulozik’s team at the German Cancer Research Centre (DKFZ), which also forms part of the Molecular Medicine Partnership Unit (MMPU) between EMBL and the University of Heidelberg.
MAGIC is a highly versatile and adaptable technique. While the scientists trained it for this study to spot cells that had micronuclei, the algorithm can, in theory, be trained on many different kinds of datasets to detect different cellular features.
“As long as you have a feature that can be discriminated visually from a ‘regular’ cell, you can – thanks to AI – train the system to detect it,” said Korbel, “Our system therefore has potential to advance future discoveries in numerous areas of biology.”
MAGIC: il laser guidato dall’intelligenza artificiale che fa luce sulle origini del cancro
I ricercatori dell’EMBL hanno sviluppato un nuovo strumento basato sull’intelligenza artificiale che, attraverso un gioco di laser tag molecolare, identifica le cellule che possono far luce sulle origini più precoci del cancro.
Sintesi
Durante la divisione cellulare possono verificarsi anomalie cromosomiche, ovvero difetti nel numero o nella struttura dei cromosomi, che possono causare forme particolarmente aggressive di cancro.
Un nuovo studio condotto da Marco Raffaele Cosenza, ricercatore italiano nel gruppo di Jan Korbel all’EMBL di Heidelberg, ha fatto luce su come si verificano le anomalie cromosomiche nelle cellule normali, sulla frequenza con cui si verificano e su come questa frequenza sia influenzata da vari fattori.
A tal fine, gli scienziati hanno sviluppato un nuovo e versatile strumento di intelligenza artificiale (AI) chiamato MAGIC, che combina la microscopia automatizzata e l’analisi delle immagini con il sequenziamento del genoma di singole cellule.
Comprendere le origini molecolari del cancro potrebbe aprire la strada a migliori strumenti di diagnosi genetica e a potenziali strategie di prevenzione medica in futuro.
Il corpo umano dipende da precise istruzioni genetiche per funzionare, e il cancro ha inizio quando queste istruzioni vengono alterate. Quando le cellule accumulano errori genetici nel tempo, possono sfuggire ai normali controlli sulla loro crescita e dividersi in modo eccessivo. Le anomalie cromosomiche – alterazioni del numero o della struttura dei cromosomi – sono un primo passo comune in questo processo, che spesso contribuisce alla trasformazione delle cellule normali in cellule cancerose.
Un nuovo strumento di intelligenza artificiale sviluppato dai ricercatori del gruppo di Jan Korbel dell’EMBL di Heidelberg offre ora un metodo efficace per comprendere in modo approfondito come si verificano tali anomalie cromosomiche. Queste conoscenze potrebbero aiutare gli scienziati a comprendere l’origine del cancro.
“Le anomalie cromosomiche sono uno dei principali fattori scatenanti dei tumori particolarmente aggressivi e sono strettamente correlate alla morte dei pazienti, alle metastasi, alle recidive, alla resistenza alla chemioterapia e alla rapida insorgenza del tumore”, ha affermato Jan Korbel, Senior Scientist presso l’EMBL e autore dello studio pubblicato sulla rivista Nature. “Volevamo capire cosa determina la probabilità che le cellule vadano incontro ad alterazioni cromosomiche e qual è la frequenza con cui tali anomalie si verificano quando una cellula normale si divide”.
L’idea che le anomalie cromosomiche possano portare al cancro non è nuova. Infatti, più di un secolo fa, lo scienziato tedesco Theodor Boveri fu il primo a ipotizzare, sulla base di osservazioni al microscopio, che il contenuto cromosomico anomalo di una cellula contribuisca allo sviluppo del cancro.
Tuttavia, poiché solo una piccola parte delle cellule presenta anomalie cromosomiche in un dato momento e queste cellule spesso muoiono (o vengono eliminate) attraverso un processo di selezione naturale, la loro individuazione si è rivelata in passato una sfida fondamentale. Gli scienziati dovevano individuare manualmente tali cellule al microscopio e solo una manciata di cellule alla volta poteva essere isolata per ulteriori analisi.
Marco Raffaele Cosenza, ricercatore nel gruppo di Korbel, ha trovato la soluzione a questo problema lavorando con altri team dell’EMBL alle prese con sfide simili. Insieme ai suoi collaboratori ha sviluppato un nuovo sistema autonomo che combina microscopia automatizzata, sequenziamento di singole cellule e intelligenza artificiale, che hanno chiamato “machine learning-assisted genomics and imaging convergence” (convergenza di genomica e imaging assistita dall’apprendimento automatico), o MAGIC.
Un meccanismo a laser per identificare e marcare con precisione le cellule
MAGIC funziona attraverso un meccanismo a laser completamente automatizzato. Individua i “nemici”, ovvero le cellule, con una caratteristica visibile specifica. Per questo studio, gli scienziati si sono concentrati su una struttura cellulare chiamata “micronucleo”. I micronuclei sono minuscoli compartimenti chiusi, all’interno delle cellule, che contengono una piccola porzione del DNA cellulare, separata dal resto del genoma. Le cellule con micronuclei tendono a produrre anomalie cromosomiche, che le rendono più soggette a diventare cancerose.
Una volta individuate le cellule con micronuclei, il sistema le “contrassegna” utilizzando il laser. A tal fine, gli scienziati hanno utilizzato un colorante fotoconvertibile – una molecola fluorescente che subisce una trasformazione chimica se illuminata, cambiando il colore della luce che emette.
“Questo progetto ha riunito molti dei miei interessi”, ha affermato Cosenza. “Riguarda la genomica, l’imaging microscopico e l’automazione robotica. Durante il lockdown legato al COVID-19 nel 2020, ho potuto dedicare molto tempo all’apprendimento e all’applicazione delle tecnologie di visione artificiale basate sull’intelligenza artificiale ai dati di immagini biologiche raccolte in precedenza. Successivamente, abbiamo progettato esperimenti per convalidare e perfezionare questa tecnologia”.
In pratica, MAGIC funziona così: innanzitutto, un microscopio automatizzato acquisisce una serie di immagini di un campione cellulare. Successivamente, un algoritmo di apprendimento automatico, addestrato su set di dati annotati manualmente di cellule contenenti micronuclei, esegue la scansione delle immagini. Quando l’algoritmo individua cellule con micronuclei, ne condivide la posizione con il microscopio e gli ordina di illuminare specificamente quelle cellule, contrassegnandole in modo permanente. Le cellule contrassegnate ancora vive possono quindi essere facilmente separate dalle altre cellule utilizzando metodi come la citometria a flusso e successivamente sottoposte ad analisi più approfondite, come l’analisi del loro genoma.
Automatizzando il processo di rilevamento delle cellule con micronuclei, che in precedenza era laborioso, dispendioso in termini di tempo e soggetto a errori, MAGIC consente agli scienziati di studiare tali cellule a una scala e a una velocità senza precedenti. In meno di un giorno, gli scienziati possono analizzare quasi 100.000 cellule utilizzando questo metodo.
Il team ha utilizzato MAGIC per analizzare le anomalie cromosomiche in cellule umane coltivate in laboratorio. I risultati hanno mostrato che poco più del 10% di tutte le divisioni cellulari provoca anomalie cromosomiche spontanee di qualche tipo e che questo tasso quasi raddoppia quando un particolare gene – il p53, un noto soppressore tumorale – subisce una mutazione. Gli scienziati hanno anche studiato altri fattori che contribuiscono alla formazione di anomalie cromosomiche, come la presenza e la posizione di alterazioni nella sequenza del DNA all’interno di un cromosoma.
Lo studio ha visto la collaborazione di diversi gruppi all’interno e all’esterno dell’EMBL, con contributi fondamentali da parte dell’Advanced Light Microscopy Facility (ALMF) e del Team Pepperkok dell’EMBL di Heidelberg, il gruppo di Isidro Cortes-Ciriano dell’EMBL-EBI e il team di Andreas Kulozik presso il Centro tedesco di ricerca sul cancro (DKFZ), che fa anche parte della Molecular Medicine Partnership Unit (MMPU) tra l’EMBL e l’Università di Heidelberg.
MAGIC è una tecnica altamente versatile e adattabile. Sebbene gli scienziati l’abbiano addestrata per questo studio a individuare le cellule con micronuclei, l’algoritmo può, in teoria, essere addestrato su molti tipi diversi di set di dati per rilevare diverse caratteristiche cellulari.
“Se si dispone di una caratteristica che può essere distinta visivamente da una cellula ‘normale’, è possibile, grazie all’IA, addestrare il sistema a rilevarla”, ha affermato Korbel. “Il nostro sistema ha quindi il potenziale per promuovere future scoperte in numerosi settori della biologia”.
