La ciencia biomédica ha alcanzado la era del "Big Data", lo que permite abordar de manera más efectiva algunos de los principales desafíos que aún limitan el éxito de muchos enfoques clínicos en el campo de la oncología, como el papel del microambiente en la progresión del tumor, la heterogeneidad de los pacientes, el modo de acción de la inmunoterapia o la resistencia al tratamiento. Para comprender estos conceptos, la organización espacial-temporal de los tumores es clave y requiere técnicas de visualización a nivel de células individuales, como la microscopía en vivo. Los avances modernos en tecnologías ópticas permiten generar datos de imágenes complejas, pero la falta de herramientas adecuadas o expertos para procesar o analizar estos datos a menudo hace que queden sin explotar.
En nuestro laboratorio (imAIgene-lab), utilizamos herramientas modernas de Inteligencia Artificial de distintos campos, como computer vision, single cell sequencing y análisis de datos, para transformar los datos de imágenes (dinámicas) en información biologica que puede ser aprovechada para estudiar, por ejemplo, la predicción de la respuesta a medicamentos, el tratamiento combinado en inmunología-oncología y diagnósticos y tratamientos personalizados basados en inteligencia artificial.
Nos enfocamos en resolver tres desafíos de la oncología:
- Comprender el modo de acción de la inmunoterapia con células T contra tumores sólidos para prevenir la evasión tumoral.
A pesar del éxito de las inmunoterapias con células T contra el cáncer, su eficacia en tumores sólidos sigue siendo limitada debido a la heterogeneidad del cáncer. Esto ha llevado al desarrollo de múltiples terapias basadas en células T con enfoques sofisticados. Sin embargo, estas 'drogas vivas' son dinámicas y utilizan diferentes estrategias celulares para atacar el tumor, lo que dificulta el análisis mediante una única medición instantánea. La microscopía time-lapse captura funciones celulares complejas durante el ataque al tumor. En esta línea de investigación, utilizamos herramientas computacionales para comprender cómo las células T logran matar los tumores y estudiamos diferentes modos de disfunción y su relación con la evasión tumoral.
- Descubrir el papel del microambiente tumoral en el comportamiento invasivo del tumor y la resistencia a la inmunoterapia en Glioma Difuso de Linea Media.
Las tecnologías modernas permiten estudiar los distintos aspectos de la progresión del tumor desde diferentes ángulos: microscopia time-lapse in vivo y ex vivo (microscopía intravital) para invasión de células tumorales; imágenes mulidimensionales para caracterización del microambiente tumoral (TME) o transcriptómica a nivel de células individuales para analizar la heterogeneidad y complejidad del tumor. Cada enfoque omico refleja principalmente un aspecto de la biología del tumor, por lo que se necesitan enfoques integrativos computacionales para comprender cómo interactúan estos aspectos y definir trayectorias predictivas de invasión. Aquí desarrollamos un marco computacional para la integración multiómica de la dinámica de células tumorales, TME y transcriptoma tumoral. Con este marco tratamos de entender mejor la biologia del Glioma Difuso de Linea Media, un tumor pediatrico con un pronostico devastador y muy invasivo.
- Aumentar la profundidad del fenotipado espacial del tumor con multiplexado virtual.
La imagen volumétrica a nivel de células individuales es una técnica emergente en la investigación biomédica, ya que permite generar mapas celulares de tejidos sanos y tumorales que pueden ampliar nuestro conocimiento sobre una enfermedad. Una de las principales limitaciones de la imagen volumétrica es la cantidad de marcadores que se pueden visualizar simultáneamente, lo que es necesario para evaluar completamente la composición de un tejido. En esta línea de investigación, utilizamos los avances más recientes en métodos de visión por computadora de aprendizaje profundo para realizar multiplexado virtual, incluso con sistemas de microscopios simples que generalmente están limitados a 3-4 marcadores.