HUN-REN Szegedi Biológiai Kutatóközpont 
2026. aug. 10. | Hírek
A rákos tumor nem egyetlen ellenség: sokféle, eltérően működő sejtcsoportból áll. Ezek között már a diagnózis pillanatában ott rejtőzhetnek azok a sejtek is, amelyek hónapokkal vagy évekkel később áttéteket indíthatnak el, vagy ellenállhatnak a kezeléseknek. A kihívás az, hogy ezeket a kritikus sejtcsoportokat időben rendkívül nehéz felismerni. Ebben értek el áttörést szegedi kutatók, svájci és svéd partnerekkel.
A nemrégiben tudományért felelős államtitkárrá kinevezett Horváth Péter vezette Lendület Mikroszkópos Képelemzés és Gépi Tanulás Kutatócsoport éppen erre a problémára keres megoldást. A HUN-REN Szegedi Biológiai Kutatóközpontban működő csoport mesterséges intelligencián alapuló módszereket fejleszt, amelyek a mikroszkópos szövettani képeket molekuláris információkkal kapcsolják össze. A napokban két a nemzetközi tudományos szakirodalomban meghatározó közlemény jelent meg, melyben a világon először mérték meg egysejt szinten a tumorklónok genetikai és fehérje állományát, valamint tumorklónok áttétképzésének genetikáját, ajtót nyitva ezzel a jövő precíziós tumorterápiájának.
A hagyományos molekuláris vizsgálatok sokszor a teljes szövetmintát egyszerre elemzik, ezért könnyen elveszhet, hogy a tumor egyes részei egészen másképp működnek, mint a többi. Az új megközelítés célja, hogy a kutatók ne csak azt lássák, hogyan néz ki egy daganat, hanem azt is, hogyan működnek benne a különböző sejtcsoportok. Így a tumor belső térképe nemcsak láthatóvá, hanem molekulárisan is olvashatóvá válik.
Nemzetközi együttműködés, szegedi világszinten egyedülálló rendszer
A HUN-REN Szegedi Biológiai Kutatóközpontban működő csoport svéd és svájci partnerekkel együtt fejleszti ezeket a digitális patológiai és térbeli omikai technológiákat. Az együttműködés egyik meghatározó szereplője Holger Moch, a Zürichi Egyetemi Kórház világszerte elismert molekuláris patológusa, valamint Markó-Varga György a Lundi Egyetem kutatóprofesszora.
A munka fontos technológiai hátterét a szegedi kutatócsoport által létrehozott, automatizált egysejtes kutatási központ képzi. Ez a világszinten is egyedülálló rendszer lehetővé teszi, hogy az AI által kijelölt sejtek nagy pontossággal, emberi beavatkozás nélkül, akár a nap 24 órájában kerüljenek izolálásra és molekuláris elemzésre.
Tumorvizsgalat egysejt szinten AI segitsegevel / AI guided cancer cell analysis, credit: Kriston András
A megközelítés alapját a Deep Visual Proteomics, röviden DVP adja. A módszerben a mesterséges intelligencia először elemzi a szövettani képet, felismeri a fontos sejttípusokat vagy sejtcsoportokat, majd a kutatók ezeket vékony lézernyalábbal célzottan kiemelik a mintából. Ezután proteomikai elemzéssel feltérképezik, milyen fehérjék vannak jelen ezekben a sejtekben. A fehérjék közvetlenül jelzik, hogyan működik, növekszik, alkalmazkodik vagy válhat ellenállóvá egy daganatsejt.
Mélyebb kép az agresszív sejtek működéséről
Ebben a tanulmányban a kutatócsoport egy fontos ponton továbbfejlesztette a DVP módszert: az AI-alapú képelemzéssel kiválasztott tumorsejt-csoportokat már nemcsak proteomikával, vagyis fehérjeszinten vizsgálta, hanem transzkriptomikával is. A transzkriptomika azt mutatja meg, hogy egy sejtben mely gének aktívak.
Ez különösen fontos volt azoknál a sejtcsoportoknál, amelyek mikroszkóp alatt is veszélyesebbnek tűntek. A kutatók így ugyanazokat a sejtcsoportokat két oldalról tudták megvizsgálni: látták, milyen gének vannak bekapcsolva bennük, és azt is, hogy ebből milyen fehérjeszintű működés valósul meg.
A megközelítés segítségével pontosabban feltárható, hogy a tumoron belül eltérően kinéző sejtcsoportok miben különböznek egymástól biológiailag. Ez azért lényeges, mert egy daganatsejt agresszivitását nem egyetlen tényező magyarázza, hanem több folyamat együttese: a génaktivitás, a fehérjék működése, az anyagcsere és az immunrendszerrel való kapcsolat egyszerre alakítja.
Visszakövethető lehet az áttétek forrása
A kutatócsoport egy másik vizsgálatban a technológia klinikai erejét egy fiatal, visszatérő, áttétes melanomában szenvedő beteg esetén keresztül mutatta meg. A beteg eredeti tumorából, valamint későbbi tüdő- és agyi áttéteiből származó mintákat AI-alapú digitális patológiával és térbeli felbontású proteomikával vizsgálták.
A mesterséges intelligencia a beteg eredeti melanomájában két eltérő tumorsejt-csoportot talált. A későbbi áttétek sejtjei főként az egyik korai csoporthoz hasonlítottak, és ezt a fehérjeelemzés is megerősítette: ennek a sejtcsoportnak a molekuláris mintázata állt legközelebb az áttétekéhez. Ez arra utal, hogy a betegség terjedésének nyomai már az első tumorban jelen lehettek.
„A melanoma-esetben nem egyszerűen azt láttuk, hogy a daganat különböző részei másképp néznek ki. A módszerrel azt is meg tudtuk mutatni, hogy ezek a különbségek fehérjeszinten is megjelennek. Ez közelebb vihet annak megértéséhez, mely sejtcsoportok lehetnek felelősek az áttétek kialakulásáért” – mondta Migh Ede biológus, a kutatás egyik résztvevője.
Hogyan segítheti ez a jövő betegellátását?
A szegedi kutatócsoport egymásra épülő munkái azt mutatják meg, hogy a daganatokat egyre kevésbé lehet egységes tömegként kezelni. Egy tumoron belül különböző sejtcsoportok élhetnek egymás mellett, és ezek közül néhány különösen fontos szerepet játszhat az áttétek kialakulásában, az agresszív növekedésben vagy a kezelésekkel szembeni ellenállásban.
Az AI ebben a megközelítésben nem önmagában diagnosztizál, hanem új felbontást ad a daganat vizsgálatához. Míg a hagyományos patológiai értékelésben a szakember nagyobb szöveti régiókat sorol be, a mesterséges intelligencia sejtről sejtre képes elemezni a mintát. Így láthatóvá válhat, hogy a tumor különböző részeiben milyen típusú daganatsejtek, milyen mintázatban és milyen arányban vannak jelen.
„Minél pontosabban látjuk, mely sejtek mozgatják előre a betegséget, annál közelebb kerülhetünk ahhoz, hogy ne csak a tumort általában, hanem annak legveszélyesebb részeit célozzuk meg” – mondta Horváth Péter.
Bár ezek az eredmények még nem jelentenek azonnali, minden beteg számára elérhető új terápiát, segíthetnek abban, hogy a jövőben pontosabban lehessen feltérképezni egy-egy daganat viselkedését, előre jelezni a kockázatokat, és személyre szabottabb kezelési döntéseket hozni.