As células saudáveis possuem propriedades mecânicas diferentes das células patológicas. Medições biomecânicas realizadas com um microscópio de força atômica (AFM) mostraram, em particular, que é possível distinguir células cancerosas de células normais. Os resultados dessas medições poderiam, portanto, ser usados para diagnóstico, desde que a tecnologia AFM seja capaz de operar em alta velocidade.
Para enfrentar esse desafio, uma equipe do LAAS-CNRS, em parceria com o polo de mecanobiologia do laboratório Restore (CNRS/Établissement français du sang/Inserm/Universidade Toulouse Paul Sabatier), desenvolveu um dispositivo automatizado de medições biomecânicas por AFM que realiza um grande número de medições em um tempo limitado.
A primeira etapa consiste em imobilizar as células em um chip microestruturado. As medições biomecânicas são então realizadas de forma automática, graças a um software de controle que move o AFM de uma célula para outra. Para padronizar as medições, parâmetros como a distribuição das células no chip, a geometria da sonda do AFM e a velocidade de movimento foram otimizados e fixados. Com esse dispositivo, a equipe do LAAS conseguiu medir cerca de mil células em duas horas, enquanto com um AFM padrão um dia inteiro é necessário para medir apenas algumas dezenas de células.
Para cada célula, o AFM registra 16 curvas de força (variações da força em função da distância entre a sonda do AFM e a parede da célula), o que permite medir e calcular sete características mecânicas relevantes para a classificação de células saudáveis ou cancerosas. A grande quantidade de dados coletados (mais de 100.000 características) permite, então, o uso de técnicas de aprendizado de máquina para discriminar células saudáveis e cancerosas.
À esquerda: células organizadas em micropadrões de fibronectina, o detalhe no canto inferior direito mostra um zoom de uma célula. A alavanca do AFM é o triângulo preto, e a sonda está localizada na extremidade inferior do triângulo.
No centro, imagem em fluorescência de uma cocultura de células cancerosas (em verde) e células saudáveis (as demais). Esse procedimento permite verificar as previsões do algoritmo.
À direita, resultado da classificação pelo algoritmo de lógica difusa LAMDA, treinado para diferenciar células saudáveis e células cancerosas.
© Étienne Dague
Com o auxílio de uma ferramenta de inteligência artificial baseada em um algoritmo de lógica difusa, desenvolvido no LAAS, o aprendizado de máquina e o teste do sistema foram realizados em linhagens celulares prostáticas não malignas e cancerosas, e depois em linhagens celulares de fibroblastos cutâneos não malignos e cancerosos.
Os testes demonstraram a capacidade do dispositivo de classificar corretamente 73% das células. Dependendo dos limites de classificação estabelecidos, o sistema produzirá mais ou menos falsos positivos (célula saudável classificada como patológica) ou falsos negativos (célula cancerosa classificada como saudável). Por isso, os pesquisadores destacam que um ajuste será necessário, em conjunto com clínicos, dependendo da aplicação desejada (diagnóstico, acompanhamento de quimioterapia, etc.).
A equipe do LAAS continua desenvolvendo o sistema, testando outros algoritmos de aprendizado de máquina para melhorar a taxa de classificações precisas. Outro projeto está focado na discriminação de células cancerosas do pâncreas. Além disso, uma nova aplicação está em estudo: o controle de qualidade de células-tronco mesenquimais destinadas à regeneração tecidual, em parceria com o Restore.