Wskaźnik Kinic: model predykcyjny napędzany sztuczną inteligencją oraz ramy odkrywania leków wielocelowych dla pacjentów z rakiem wątrobowokomórkowym

Dlaczego to badanie ma znaczenie

Rak wątroby należy do najgroźniejszych nowotworów na świecie, częściowo dlatego, że guzy znacznie różnią się między pacjentami i często opierają się dostępnym lekom. W tym badaniu przedstawiono nowy sposób klasyfikacji pacjentów z rakiem wątroby na grupy ryzyka oraz jednoczesnego poszukiwania nowych leków dostosowanych do ich choroby. Wykorzystując zaawansowaną sztuczną inteligencję (AI), badacze opracowali narzędzie nazwane Wskaźnikiem Kinic, które łączy subtelne chemiczne oznaczenia na białkach ze przeżyciem pacjentów i obiecującymi celami lekowymi.

Nowy chemiczny znacznik o dużych konsekwencjach

W ostatnich latach naukowcy odkryli nowy rodzaj chemicznego znacznika na białkach w komórkach wątroby, zwany izonikotynylacją. Te drobne oznaczenia mogą zmieniać sposób upakowania DNA i regulować włączanie lub wyłączanie genów związanych z rakiem. Zespół zebrał obszerne zbiory danych z setek guzów wątrobowych i zdrowej tkanki wątroby, poszukując genów, których aktywność wiąże się z tą nową modyfikacją. Znaleziono dziesiątki takich genów i wykazano, że wiele z nich bierze udział w ścieżkach biologicznych kontrolujących metabolizm tłuszczów, przetwarzanie leków i innych związków chemicznych oraz mechanizmy wzrostu i przerzutowania nowotworów.

Podział pacjentów na grupy większego i mniejszego ryzyka

Aby przekształcić te odkrycia w narzędzie kliniczne, naukowcy zastosowali uczenie maszynowe do grupowania pacjentów z rakiem wątroby na podstawie aktywności genów związanych z izonikotynylacją. Wyodrębniono dwie główne podgrupy. Jedna podgrupa wykazywała silniejszą aktywność pewnych genów i miała wyraźnie gorsze przeżycie ogólne. Grupa wysokiego ryzyka miała także cechy wskazujące na bardziej agresywne środowisko guza: szybszy podział komórek, większą niestabilność genetyczną oraz krajobraz immunologiczny sugerujący możliwość unikania obrony organizmu przez guzy. Druga podgrupa charakteryzowała się bardziej aktywnymi ścieżkami detoksykacji i metabolizmu oraz lepszymi wynikami, co sugeruje, że te molekularne wzorce mogą pomóc lekarzom przewidzieć rokowanie pacjentów.

Wynik AI, który uwydatnia dwa kluczowe geny

W oparciu o te wzorce badacze stworzyli Wskaźnik Kinic, wynik oparty na AI, łączący kilka metod uczenia maszynowego w celu przewidywania ryzyka zgonu pacjenta. Przetestowali ponad sto kombinacji modeli i wybrali tę, która najlepiej sprawdziła się zarówno w dużej bazie danych nowotworów, jak i w niezależnej kohorcie pacjentów. Wynik okazał się silnym i niezależnym predyktorem przeżycia, nawet po uwzględnieniu wieku i stadium guza. Co istotne, technika SHAP, wyjaśniająca decyzje modeli AI, wskazała na dwa geny — CYP2C9 i G6PD — jako najbardziej wpływowe. Analizy pojedynczych komórek i analizy przestrzenne pokazały, że oba geny są głównie aktywne w złośliwych komórkach wątroby o wysokim potencjale rozprzestrzeniania się, a ich aktywność jest ściśle powiązana z interakcjami guza z pobliskimi komórkami odpornościowymi i podporowymi.

Od ocen ryzyka do kandydatów na leki

Badanie nie ograniczyło się do prognozowania. Zespół wykorzystał głębokie uczenie w ramach GraphBAN, aby przeskanować ponad 200 000 związków chemicznych pod kątem ich zdolności wiązania się z CYP2C9 i G6PD. Następnie zastosowali narzędzie AI przewidujące, jak dobrze związek jest wchłaniany, metabolizowany i tolerowany w organizmie, zawężając listę do zaledwie kilku cząsteczek o właściwościach lekopodobnych. Symulacje dokowania komputerowego sugerowały, że dwaj kandydaci, z których każdy celuje w jedno z kluczowych białek, dobrze dopasowują się do korzystnych kieszeni na swoich celach i tworzą stabilne kompleksy w czasie. Wyniki te proponują konkretne punkty wyjścia dla nowych leków zaprojektowanych tak, by zaburzać metaboliczne słabości guzów wątroby podkreślone przez Wskaźnik Kinic.

Co to oznacza dla przyszłej opieki

Krótko mówiąc, praca ta pokazuje, jak AI może połączyć trzy kluczowe etapy współczesnej opieki onkologicznej: zrozumienie, jak nowy znak na białkach kształtuje zachowanie guza, przekształcenie tej wiedzy w wynik ryzyka oddzielający pacjentów wrażliwych od bardziej stabilnych oraz szybkie wytypowanie kandydatów na leki uderzających w właściwe cele molekularne. Jeśli wyniki potwierdzą się w dalszych badaniach i próbach klinicznych, Wskaźnik Kinic mógłby pomóc lekarzom identyfikować pacjentów z rakiem wątroby wymagających intensywniejszego leczenia, dobierać terapie zgodne z biologią ich guza oraz kierować rozwój leków wielocelowych, które przewidują i przeciwdziałają oporności na leczenie.

Cytowanie: Zhou, J., Jiang, Y., Yu, M. et al. Kinic index: an artificial intelligence-driven predictive model and multitarget drug discovery framework for hepatocellular carcinoma patients. npj Precis. Onc. 10, 132 (2026). https://doi.org/10.1038/s41698-026-01324-1

Słowa kluczowe: rak wątrobowokomórkowy, onkologia precyzyjna, sztuczna inteligencja, modyfikacja epigenetyczna, odkrywanie leków