Подписка на блог

Customize in /user/extras/follow-sheet.tmpl.php.

Sample text.

Twitter, Facebook, VK, Telegram, LinkedIn, Odnoklassniki, Pinterest, YouTube, TikTok, РСС JSON Feed

Sample text.

Канцер Ворс. Эпизод 4 — «Новая надежда».

Шестнадцать лет

В 1998 году в больнице в Глазго выполнили две операции, две пересадки почки — мужчине и женщине. Хоть это и сложные операции с последующей сложной поддерживающей терапией, к счастью, обе почки прижились и функционировали абсолютно нормально. Но через полтора года, в ходе очередного обследования, у женщины в груди обнаружили небольшую опухоль. А еще через несколько недель появилось еще несколько небольших опухолей, уже под кожей. Исследование показало, что это метастазы меланомы. В марте 2000 года пациентка умерла. Через два месяца после смерти первой пациентки у мужчины, которому тоже в тот раз делали пересадку почки, в этой самой почке обнаружили опухоль. Биопсия снова показала меланому.

Шотландский реестр доноров соединил эти истории. Оказалось, что обе почки происходили от одной женщины, которая в мае 1998 года умерла, предположительно, от кровоизлияния под оболочки мозга. И вот что странно — оказалось, что за 16 лет до смерти у неё была меланома. Её прооперировали, пролечили и после этого она прожила пятнадцать лет без болезни, просто наблюдаясь в местной клинике, и потом её даже выписали условно здоровой. Через год после выписки она умирает и начинается история с пересаженными почками.

Шестнадцать лет. Неужели все это время клетки меланомы жили где-то в организме и с пересаженными почками попали в организм реципиентов? Где всё это время прятались эти клетки? Что держало их на месте? И почему в чужом теле они проснулись?

MacKie R. M. et al. Fatal Melanoma Transferred in a Donated Kidney 16 Years after Melanoma Surgery. New England Journal of Medicine, 2003.

Примерно в это же время по другую сторону Атлантики, в Сент-Луисе, молодой исследователь Виджай Шанкаран и его коллеги исследовали этот вопрос экспериментально. Они сравнили развитие опухолей у мышей с сохранной и нарушенной иммунной защитой. Нарушен иммунитет был потому, что у мышей не было важного белка RAG2, который нужен для созревания T- и B-лимфоцитов. Всем мышам ввели одинаковую дозу канцерогена, но саркомы возникали чаще в группе, где иммунитет был нарушен: саркомы возникли у 30 из 52 иммунодефицитных мышей и у 11 из 57 обычных. Отсутствие зрелых лимфоцитов увеличивало и ускоряло появление опухолей — иммунитет действительно вмешивался в их судьбу.

Но как подвижная иммунная клетка узнаёт, что одна из клеток собственного тела стала опасной? И откуда у неё появляется приказ действовать? Чтобы добраться до этого приказа, придётся вернуться на 30 лет раньше, к клетке, у которой сначала не было даже имени.

Клетка без должности

В 1970 году молодой врач Ральф Стайнман пришёл в лабораторию Занвила Кона в Рокфеллеровском университете. Кон изучал макрофаги — это крупные клетки врожденного иммунитета, которые поглощают микробов и клеточные остатки. А Стайнмана занимал уже следующий шаг: после того, как макрофаг что-то проглотил — что происходит с клеточными остатками и белками и как встреча с чужеродным материалом активирует лимфоциты?

Когда он пришёл к Кону, макрофаги считались вероятными посредниками между антигеном и лимфоцитом. Одно из тогдашних предположений состояло в том, что макрофаг захватывает чужеродный белок, сохраняет его и предоставляет лимфоцитам для узнавания.

Два года Стайнман наблюдал за макрофагами, проводя всевозможные опыты. Он хотел обнаружить чужеродный белок на поверхности макрофага. Но результаты получались неудобными для исходного предположения. Белок действительно можно было обнаружить внутри клетки, но попадая в клетку он оказывался в пузырьках-лизосомах и там расщеплялся. Макрофаг хорошо поглощал исследуемый материал, но ожидаемого способа передачи целого белка лимфоцитам увидеть не удавалось. Так авторы сформулировали затруднение в заключении работы.

Стайнман стал искать другую клетку и обратился к селезёнке: в культурах её клеток ранее уже удавалось воспроизводить иммунный ответ, причём одним очищенным лимфоцитам требовалась помощь дополнительных, прилипающих к их поверхности клеток. В этой смеси в 1972 году он и заметил необычные подвижные клетки с отростками.

Эти необычные клетки вытягивали тонкие отростки, втягивали их, снова меняли форму. По биографическому свидетельству, первое наблюдение произошло в 1972 году. Стайнман позвал Кона к своему микроскопу. Жена Кона, Ферн, позднее вспоминала, как муж вернулся домой с известием о важном открытии Ральфа.

Через год Стайнман и Кон опубликовали описание нового типа клеток. Из-за ветвящихся отростков они назвали их дендритными — от греческого слова, означающего дерево.

Коллеги сомневались, что такая редкая клетка может что-то решать, но в 1978 году Стайнман и его сотрудница Маргит Витмер показали: запускать ответ лимфоцитов дендритные клетки умеют как минимум в сто раз лучше других клеток селезёнки.

Теперь у Стайнмана появился собственный ученик — Мишель Нуссенцвейг.

Передать находку

Сто раз в пробирке ещё не означали главной роли в живой селезёнке. Дендритные клетки составляли там малую долю, и любой результат можно было приписать соседям. Чтобы узнать, кто на самом деле делает работу, нужно было убрать из смеси дендритные клетки и только их. В лаборатории получили антитело 33D1, которое садится только на дендритные клетки. Вместе с комплементом — белками крови, которые пробивают мембрану клетки, покрытой антителом, — оно убивало дендритные клетки прямо в пробирке и оставляло остальные целыми. Обработанные клетки селезёнки смешивали с лимфоцитами генетически другой мыши: в такой смеси лимфоциты отвечают на чужие тканевые признаки, как при отторжении пересаженного органа. В работе 1983 года без дендритных клеток эта реакция падала на 75—90 процентов. Добавка очищенных дендритных клеток возвращала её, и хватало добавки всего в полпроцента от числа стимулирующих клеток.

Так постепенно становилось понятно, как организм собирает иммунную защиту. Среди множества T-лимфоцитов лишь небольшая часть способна атаковать другие клетки. Им предстоит получить сигнал, размножиться и превратиться в клетки, которые доберутся до нужной ткани. Дендритная клетка связывает эти события: собирает материал, предъявляет его фрагменты лимфоциту и при соответствующих сигналах запускает ответ.

Витрина

Но что именно дендритная клетка показывает лимфоциту? T-лимфоцит не может заглянуть внутрь другой клетки. Он видит только то, что выставлено на её поверхности, и главную роль в этом играют молекулы MHC — у человека их называют HLA. Как устроена эта встреча, долго оставалось загадкой.

Ответ пришёл из кристаллографии. В Гарварде, в лаборатории Дона Уайли, Памела Бьоркман и её коллеги несколько лет добивались кристаллов молекулы HLA-A2 и в 1987 году опубликовали её структуру. Верх молекулы оказался жёлобом: две длинные спирали лежат по краям плоского дна. А в жёлобе нашлось то, чего туда никто не клал: на карте электронной плотности бороздку занимало что-то постороннее, захваченное молекулой ещё в клетке. Позже выяснилось, что это короткие фрагменты белков — пептиды.

Так стала видна витрина. Клетка постоянно разрезает часть своих белков на пептиды и выставляет их наружу в бороздках MHC класса I. T-лимфоцит проверяет выставленное, не заглядывая внутрь. Если в клетке появился вирусный или изменённый белок, его фрагмент окажется на витрине.

Дендритная клетка умеет больше: она может выставить на MHC класса I не только материал изнутри себя, а захваченный и переработанный материал от другой клетки. Этот путь назвали кросс-презентацией. Он позволяет подготовить T-лимфоциты-киллеры к встрече с опухолью ещё до того, как они сами доберутся до неё.

Насколько это важно для защиты от опухоли, проверили в 2008 году. Кай Хильднер и коллеги использовали мышей без гена Batf3. У них почти отсутствовала одна из ветвей дендритных клеток, приспособленная к кросс-презентации. Фибросаркома, которую обычные мыши отторгали, у этих животных росла; одновременно нарушался запуск специфических цитотоксических T-клеток. В этой трансплантационной модели без нужных посредников защита не собиралась.

Так из странной клетки под микроскопом выросло объяснение того, как множество клеток начинает действовать согласованно: одна находит улику, другая получает приказ, их потомки идут в атаку.

Но мы помним, что опухоль выросла из собственных клеток организма. Что будет, если организм решит атаковать самого себя? Если такое происходит, то развиваются особые заболевания — аутоиммунные. Но это не наш случай. Мы точно знаем, что внутри злокачественной клетки что-то изменилось. Что на её витрине может выдать произошедшую перемену?

Улика из собственного тела

В конце 1970-х, в то время как Вармус и Бишоп в Сан-Франциско обнаружили что вирусный онкоген src находится внутри нормальных клеток птиц и зверей, на другом конце страны, в Нью-Йорке, группа Ллойда Олда работала над признаками снаружи опухолевой клетки. Они искали молекулы на поверхности злокачественной клетки человека, которые узнаёт иммунитет самого больного. Метод назывался аутологичным типированием. У пациента брали клетки опухоли и его же лимфоциты и смотрели, нападут ли одни на другие. Свои клетки против своих — без чужих тканей и без мышей.

В этой работе участвовал молодой немецкий врач Александр Кнут. Среди тринадцати пациентов с меланомой, которых изучала группа, самая сильная реакция нашлась у мужчины, обозначенного инициалами A.V.: его T-лимфоциты убивали клетки его собственной опухоли, выращенные в культуре под названием SK-MEL-29. В 1981 году Кнут вернулся в Майнц и продолжил ту же работу. Там нашлась вторая такая пациентка; в научных статьях она обозначена кодом MZ-2. Меланома IV стадии, метастазы в почке, яичниках, лимфатических узлах и селезёнке; повторные операции и химиотерапия не давали полной ремиссии. Но её T-лимфоциты, как и у A.V., узнавали клетки её опухоли. Запомним обоих: у каждого иммунитет нашёл в опухоли свою улику.

Узнавали — но что именно? Чтобы это понять, в 1984 году Александр Кнут, по совету совего старого наставника Ллойда Олда, поехал в Брюссель знакомиться с еще одним ученым — Тьерри Буном. Группа Буна разработала метод, который позволял при помощи активизированных T-клеток найти опухолевый ген, из-за которого лимфоциты и активизировались.

Бун и Кнут начали поиск. Для этого у пациентки MZ-2 взяли два вида клеток — Т-киллеры и клетки меланомы. Из Т-киллеров вырастили клоны, которые лучше всех распозновали и уничтожали клетки меланомы. На втором этапе этих отобранных Т-киллеров продолжали сводить с меланомой, но теперь отбирали только редкие клетки меланомы, которые научились ускользать от своих убийц, которые потеряли мишень. Видов клеток стало три — Т-киллеры, обычная меланома и ускользнувшая. Третий этап был самым объёмным. Из обычной меланомы подготовили библиотеку: ДНК нашинковали на крупные куски и вшили в плазмиды — специальные кольцевые ДНК для транспортировки, в сотни тысяч плазмид. Эти плазмиды порциями вводили в ускользнувшие клетки. Идея была такая: если после введения плазмиды в ускользающую меланому T-киллер снова её распознает и уничтожит, значит, в космиде был тот самый ген, из которого получается та самая молекула, выставляемая на MHC-I. И такой ген нашёлся.

Чего ждать от найденного гена? После всего, что мы знаем о мутациях в раке, ответ кажется очевидным: опухоль выдаст изменённый белок. В 1991 году Пьер ван дер Брюгген, Александр Кнут, Тьерри Бун и коллеги опубликовали найденный ген. Его назвали MAGE — от melanoma antigen, антиген меланомы. Это был первый ген опухолевого антигена человека, который узнают T-лимфоциты самого пациента. И что удивительно — он не был мутирован! В нормальных клетках пациентки он был точно таким же! Только через четыре года завеса тайны приоткроется и окажется, что в нормальном теле этот ген молчит почти везде, кроме незрелых сперматозоидов в семеннике. А в меланоме он включился не в то время и не в том месте. Опухоль выдал не изменённый белок, а свой белок, появившийся там, где его быть не должно.

А что с первым пациентом? Работа с его клетками продолжилась в Майнце, и в 1995 году группа Томаса Вёльфеля нашла, на что нацелены лимфоциты A.V.. На этот раз это была настоящая мутация — в гене CDK4, белок которого помогает клетке перейти к копированию ДНК. В положении 24 вместо аргинина стоял цистеин. Замена была в меланоме и отсутствовала в лимфоцитах пациента. Внутри клетки она мешала CDK4 связываться с тормозящим белком p16, то есть ослабляла один из тормозов деления. А снаружи фрагмент того же изменённого белка на молекуле HLA-A2 становился мишенью для T-клеток пациента.

Мутация, ослаблявшая внутренний тормоз деления, одновременно оставляла след для внешнего контроля. Такую мишень, возникшую из мутации, называют неоантигеном. Клетка уходила из-под одного ограничения и становилась заметнее для другого.

Две улики — два способа выдать себя. Меланома MZ-2 включила то, что должно молчать. Меланома A.V. сломала то, что должно работать. Оба следа оказываются на одной витрине, и иммунитет может прочитать оба. Если у меланомы донора из Глазго была хоть одна такая улика, охране было что увидеть.

Теперь цепь адресной атаки можно собрать. Дендритная клетка получает опухолевый материал и помогает запустить подходящие T-лимфоциты. Их потомки приходят в ткань и проверяют пептиды на поверхности клеток. Найдя мишень, цитотоксический лимфоцит наносит смертельный удар.

Но что если опухоль уберёт саму витрину — молекулы MHC-I? Именно здесь история распознавания сделала неожиданный поворот.

Строка в диссертации

Осенью 1981 года Клас Керре работал над диссертацией в Каролинском институте. Его занимали естественные киллеры, или NK-клетки. Они могли уничтожать некоторые опухолевые клетки без предварительной иммунизации, но правило выбора мишени оставалось неясным. Какие общие признаки объединяли столь разные клетки, на которые они нападали?

Позднее Керре вспоминал затруднение с одним предложением. Он пытался описать чувствительные клетки и заметил, что гораздо легче сформулировать, чем обладают клетки устойчивые. Вопрос повернулся: какой признак позволяет клетке избежать атаки?

MHC-I уже занимал центральное место в представлениях о распознавании. Керре предположил, что для NK-клетки его присутствие может служить сигналом, удерживающим от атаки. Тогда исчезновение знакомого признака меняло бы судьбу клетки. Чтобы заметить опасность, не обязательно было найти новую чужую молекулу: иногда достаточно утратить нормальную свою.

Эту мысль ещё требовалось заставить работать в опыте. К Керре пришёл двадцатидвухлетний студент Ханс-Густаф Люнггрен. Задача летнего проекта состояла в проверке того, могут ли NK-клетки распознавать опухолевые клетки, потерявшие определённые молекулы своего организма.

Исследователи взяли мышиную лимфому, устойчивую к NK-клеткам, и получили варианты с резко сниженным количеством MHC-I. На первом этапе эксперимента исходные и изменённые клетки лимфомы размножались с одинаковой скоростью. Потеря поверхностных молекул не лишила опухоль способности жить и делиться. На втором этапе, после введения клеток лимфомы обычным мышам, судьбы этих вариантов расходились: исходные клетки лимфомы выросли в новую опухоль, а клетки с низким MHC-I погибали и не давали новых очагов. На третьем этапе исследователи подавили активность NK-клеток. После этого прежде отвергавшиеся варианты снова стали образовывать опухоли.

Ljunggren H.-G., Kärre K. Host resistance directed selectively against H-2-deficient lymphoma variants. Journal of Experimental Medicine, 1985.

За этим принципом закрепилось название missing self — «отсутствующее своё». Нормальные молекулы MHC-I подают NK-клетке тормозящий сигнал, а когда их становится меньше, торможение исчезает. Сегодня мы знаем, что для активации NK-клеток важны также активирующие сигналы, в том числе признаки клеточного стресса. Но направление мысли Керре сохранилось. Иммунитет способен заметить нарушение по исчезновению того, что должно присутствовать.

Две ветви защиты смотрели на одну поверхность по-разному. T-лимфоцит читал выставленный пептид; NK-клетка учитывала, сохраняются ли нормальные опознавательные молекулы. Для опухолевой линии возникало трудное соседство требований. Спрятаться от одного способа обнаружения могло означать стать уязвимее для другого.

Двести дней

Найденные механизмы позволяют представить уничтожение опасного клона: распознавание, сборку ответа, прибытие лимфоцитов, гибель клеток. Но что происходило там, где растущей опухоли не было видно?

История донора из Глазго показывает, что после шестнадцати лет без клинических признаков меланомы клетки со злокачественным потенциалом всё же могли сохраниться. Возникает вопрос — все это время их удерживал иммунитет?

Кэтрин Кёбел и её коллеги смоделировали такую ситуацию. Они ввели обычным мышам небольшую дозу канцерогена 3-метилхолантрена. У части животных появились растущие саркомы. За остальными продолжали наблюдать. Прошло двести дней — больше полугода. Некоторые мыши по-прежнему не имели заметной опухоли; у других в месте инъекции оставалось небольшое стабильное образование.

На двухсотый день исследователи начали вводить одной группе контрольный иммуноглобулин, который не влиял на иммунитет, а другой — антитела против лимфоцитов. По факту, ученые выключали несколько важных компонентов иммунного контроля. Канцероген повторно не вводили. После этого у семи из пятнадцати мышей во второй группе появились растущие опухоли. В контрольной группе — у одной из тринадцати.

Происходящее заставляло заново прочитать предыдущие двести дней. По крайней мере у части животных всё это время сохранялась популяция, способная расти. Её присутствие стало заметным после снятия защиты.

Клетки из небольших стабильных образований давали прогрессирующие опухоли при переносе мышам с иммунодефицитом. Значит, долгий покой не сделал их безопасными. В самих образованиях исследователи находили меньше признаков деления, больше признаков гибели клеток и больше T-лимфоцитов, чем в растущих саркомах. Вместе эти результаты поддерживали картину динамического равновесия: иммунный ответ все же удерживал прирост опухолевой популяции.

После двухсот дней внешнего покоя у защиты обнаружился ещё один результат: она могла удерживать опасную популяцию, не уничтожая её целиком. Такую работу легко пропустить, если считать победой только полное уничтожение противника.

Для эволюционирующей опухоли это означало, что приобретённой способности размножаться недостаточно. Потомки должны ещё пережить давление окружающего организма. Судьба линии зависела от того, успевает ли она оставлять больше живых клеток, чем теряет. Иммунитет участвовал в этом счёте.

Снова Глазго

Теперь вернёмся к донору. Пересадка почки повторила опыт Кёбел в человеческом теле — без замысла и без контроля. Чтобы почка прижилась, реципиентам давали препараты, подавляющие иммунный ответ. Защиту сняли, как сняли её антителами на двухсотый день, и меланома выросла за месяцы.

Второму реципиенту иммуносупрессию отменили и назначили интерферон, который сам усиливает иммунный ответ. Через тринадцать недель появились признаки отторжения, почку удалили, и в ней нашли обширные массы погибших клеток меланомы. Через два года после обнаружения меланомы мужчина был жив и не имел клинических признаков опухоли. Когда охрана вернулась, она снова начала убивать.

MacKie R. M. et al. Fatal Melanoma Transferred in a Donated Kidney 16 Years after Melanoma Surgery. New England Journal of Medicine, 2003.

Доказать по одной истории, что шестнадцать лет меланому держал именно иммунитет, нельзя. Но всё найденное в лабораториях с этим сходится. Шестнадцать лет тишины не были пустотой. У этой защиты не было свидетелей, потому что она справлялась.

Голос ученика

7 декабря 2011 года Нобелевскую лекцию о дендритных клетках прочитал Мишель Нуссенцвейг. Тот самый ученик, с которым Стайнман доказал, что ничтожная доля клеток селезёнки делает главную работу. Теперь он рассказывал об открытии от имени своего учителя.

Сам Ральф Стайнман умер от рака поджелудочной железы за три дня до присуждении Нобелевской премии. Болезнь нашли за четыре года до этого. Стайнман лечился операцией, химиотерапией и экспериментальной иммунотерапией на основе дендритных клеток, которую разработал сам. Какую роль сыграла каждая часть лечения, сказать нельзя, но четыре года для рака поджелудочной железы, особенно в то время — это довольно продолжительный срок.

Рядом с этой судьбой стоят две другие. Помните двух пациентов, над которыми ратал Александр Кнут и Тьерри Бун? MZ-2 и A.V. прожили больше тридцати лет без возвращения болезни. Сами исследователи связывают это с сильным и разнообразным T-клеточным ответом обоих.

У организма есть защита, продолжающая действовать после отказа внутренних клеточных тормозов. Она получает сведения о содержимом клеток, замечает потерю нормальных признаков, собирает ответ и уничтожает мишени. Иногда её работа оставляет после себя лишь отсутствие растущей опухоли.

—-
видео на ютубчике: https://youtu.be/MsUk0BT0JHA?si=6IqnZcI2As_r1YTa

Армения

Весна

Весна — самый лучший сезон в Армении. Еще зелено, уже тепло, еще не жарко, ветерок раздувает пердеж машин, абрикосы цветут, что отвал башки.

Цветение абрикосов
Угадай где Ереван, а где Сан-Франциско

Лето

В Ереване особое отношение к воде. Фонтанчики для питья, сухие и классические фонтаны, прудики в городе и купальни на реке Раздан. И конечно главный праздник лета — Вардавар. Уже и не важно, откуда он берет свои истоки, сейчас превратился в праздник воды, лета, детства и чуть-чуть хулиганства.

Вардавар. В этот день все плещутся по всей стране
Кусочки города

В конце августа, когда в Ереване +37, нужно ехать отдыхать на Севан. На Севане будет +27, вода прогрелась, арбузы созрели, форель уже запекается в рестике на берегу.

Севан
Почти сто процентов населения — христиане

Играли в Дес Стрендинг? Вот тут снимали.

Летом за городом миллион маршрутов для хайкинга

Вообще мне нравится эти истории от армян, что Армения — центр мира. Что христианство, джаз, лаваш, и цивилизация вообще пошли с этой земли. Вообще-то когда Бог потоп устроил, то Ной на Арарате высадился!

Осень

В начале осени тоже кайф, когда самая жара отступает, приходит нежное тепло днем и прохлада вечером и ночью. А в ноябре не кайф. Начинается отвратительный смог, когда дышать невозможно. Ветер перестает дуть, машины пердят, а в домах старого сектора начинают топить печки.

Приезжаешь в горы, а там армяне в нарды играют
Кусочки города

Зима

Кайф

Публикации за 2026 год

В 2026 году я работаю руководителем отдела Биоинформатики в БостонДжине. Помимо основной активности — работа над проектами с клиентами — в отделе мы ведем небольшую исследовательскую активность, чтобы углублять экспертизу в онкологии и наращивать экспертизу в других областях, например, в аутоиммунных заболеваниях. В этом году я сделал одно полноценное исследование, а в остальных был ментором и котролем качества.

American Association for Cancer Research

“A comparative scoring framework for BCMA-, GPRC5D- and CD38-targeted therapies in multiple myeloma”

Здесь я первый автор: придумал и обосновал тему, придумал дизайн экспериментов, собрал команду, отделегировал куски работы, собрал результаты, придумал визуализацию, написал текст и защитил работу на конфе.

Мы предложили Actionability Score — способ по данным NGS оценить, какая мишень и какой тип иммунотерапии потенциально лучше подходят пациенту с множественной миеломой: BCMA- или GPRC5D-направленная терапия, CAR-T, T-cell engager или антитела к CD38. Скор учитывает активность мишени, признаки резистентности и состояние опухолевого микроокружения. На маленькой ретроспективной выборке результат выглядел многообещающе, но подход ещё нужно валидировать на более крупных когортах.

Сентябрьское обновление — постер «An Actionability Score for BCMA-, GPRC5D-, and CD38-targeted therapy selection in multiple myeloma» (Clinical Lymphoma, Myeloma & Leukemia, 8 сентября 2026 года). Он развивает работу для AACR; я остаюсь первым автором. Обновлённый постер и абстракт.

“Integrative application of Lymphly reveals shared molecular landscape across B-cell lymphomas”

Классификатор Lymphly был разработан для B-крупноклеточной лимфомы. А мы применили его для других B-клеточных лимфом и нашли общие генетические и транскриптомные паттерны между диагнозами. Например, отдельные подтипы Lymphly оказались связаны с фолликулярной, Беркиттовской, краевой и первичной медиастинальной B-клеточными лимфомами.

Связанная работа — «Cross-disease stratification by genetic classifier Lymphly reveals shared molecular programs across B-cell malignancies» (Clinical Lymphoma, Myeloma & Leukemia, 8 сентября 2026 года). Анализ охватывает 4353 образца диффузной B-крупноклеточной лимфомы и 2203 образца других B-клеточных лимфом. Я соавтор. Постер и абстракт.

American Society of Clinical Oncology

Главная клиническая конференция по онкологии в США.

“Examining the tumor microbiology and microenvironment of patients with triple negative inflammatory breast cancer receiving Keynote 522”

Вместе с командой MD Anderson мы исследовали образцы опухолей пациентов с тройным негативным воспалительным раком молочной железы, получавших терапию по схеме KEYNOTE-522. У пациентов с полным патоморфологическим ответом были выше экспрессия PD-L1 и тенденция к большей представленности T-клеток. В опухолях без полного ответа наблюдали признаки ангиогенеза; в части образцов после лечения — усиление фиброза или ослабление иммунного компонента. Выборка небольшая, поэтому наблюдения требуют дальнейшей проверки. Я соавтор абстракта.

Абстракт ASCO на сайте BostonGene.

European Hematology Association

Главная европейская конференция по гематологии.

“Risk-stratified patient selection in multiple myeloma for frontline treatment decision-making based on a transcriptomic classifier”

Мы объединили идеи двух транскриптомных классификаторов множественной миеломы и построили согласованную модель риска.

“Overlaying TP53 loss and aneuploidy with distinct diffuse large B-cell lymphoma subtypes refines tumor classification and enhances risk stratification”

Мы добавили в Lymphly два независимых признака геномной нестабильности: потерю функции TP53 и количественную оценку анеуплоидии. На самом деле клевый результат — лучше всего живут пациенты с анеуплоидией и без потери TP53! То есть с раздолбанным геномом, но защитные механизмы клетки еще стараются самоубится!

Неполезная еда, налоги, закон о воде, телефонные номера и 13 этаж

Заметки из Америки

Телефонные номера

В Америке постоянно встречаются буквенные телефонные номера — на билбордах, по телеку, в рекламе на ютубе, на автобусах.

Давайте расшифруем что-нибудь. Вот есть номер: 619-INJURED. Заменим слова Injured на цифры:

INJURED =
I = 4
N = 6
J = 5
U = 8
R = 7
E = 3
D = 3
То есть 619-INJURED = 619-465-8733. Прикол же.

В чем же дело? Раньше телефонные звонки шли через городские телефонные станции, и телефонные номера содержали номер станции. Чтобы легче было запомнить, придумали систему — телефонную станцию называют как-то, например по улице, где она стоит, и первые две буквы как раз становились кодом станции. Буквы единообразно привязали к цифрам и стали печатать на телефонах, например:

2 = ABC
3 = DEF

Сейчас необходимости в перенаправлении звонков через станции нет, но буквенные номера уже стали частью культуры и используются, чтобы сделать себе «красивый» телефонный номер.

8-800-555-35-35, лучше позвонить, чем у кого-то занимать

Боль от налогов

Как известно, в современных интернетах реклама формируется на основе цифрового следа человека. Смотришь стримы — получай рекламу игр, идет ремонт — инструменты с Тему и Алика, на носу диплом — реклама сервисов по написанию диплома. Но если цифрового следа в стране еще нет, то юзеру показывается что-то дефолтное, что в среднем ищут все, всегда, независимо от пола, возраста и дохода.

В Америке показывают рекламу помогаторов для рассчета и уплаты налога. Показывают её потому, что среднестатистический американец сам платит за себя налог каждый год. А это значит, что нужно учесть все доходы, некоторые расходы, учесть федеральный налог, налог штата, прогрессивную шкалу, льготы и чего только не. Это настолько неприятная, сложная и проблемная процедура, что реклама налоговых помогаторов показывают как дефолтную, а контакты нормальных помогаторов бухгалтеров-юристов передаются из уст в уста.

Закон о воде

Станции набора питьевой воды в аэропорту после прохождения досмотра — это супер.

Неполезная еда

В Америке в большом количестве встречается неполезная еда, которая маскируется под «ну ниче такую». Что это значит? Это значит, что производитель делает заведомо вкусненькую, но неполезную в общественном понимании еду, а потом подает это как пользу. На сто процентов сахарный тик-так с 0 каллорий, чипсы из печи, и всё такое.

Как говорится, при 300% прибыли нет такого преступления, на которое капитал не рискнул бы пойти.

13

Во многих высотных зданиях в Штатах, тем более в отелях, нет 13го этажа. Иногда 13й этаж сделан как инжинерно-технический для всяких вентиляций-насосов, иногда просто пропускается цифра в лифте, но вот ты заходишь в лифт — а кнопки на 13й этаж нет. А на остальных этажах нет 13й комнаты.

Это любопытное проявление зрелого капитализма. Рынок строительства, продажи и аренды недвижки подстроился под суеверные взгляды тех, кто платит. Людям некомфортно отдыхать на этаже или в комнате 13, не получается как следует расслабится. Недвига будет лучше продаваться без 13 этажа? Ни слова больше.

Примерно понять это можно на знакомом для постсоветского пространства примере с цветами — попробуйте купить, а потом подарить 2 цветочка девушке, жене, маме. И посмотрите на реакцию сначала продавца, а потом дамы.

Черногория

Черногория — маленький славяно-средиземноморский курорт для пенсов-яхтсменов.

Наша ласточка «Коркула».

Ходили на яхте. Ходили в заливе и открытом море, на моторе и под парусами, швартовались в маринах, вставали на якорь.

Виды все как с картинки.

Яхтенный отдых ближе к походу на воде, чем к отдыху в отеле на побережье. Живешь и спишь в яхте. Вместо палатки — каюта, вместо костра — газовая плита, вся еда и вода с собой. Из бытовых штук на яхте за неделю пыталось сломаться всё — туалет, подача воды, газ, электричество. А еще духота без кондея и вонь от пролившегося топлива. Кстати, яхты, катера и лодки заправляются на заправке. Вроде очевидно, но не очевидно.

Яхтозаправка, ночевка и закупка перед рейсом.

Но все эти неудобства забываются, когда ты на всех парусах идешь креном. В этот момент чувствуешь себя хозяином морей.

Бейдвинд левый галс семнадцать узлов.

Заходили в города.

Старый град Котора. Узкие итальянские улочки между каменных домов за крепостной стеной. Сохранили и облагородили прям кайф. Реально, я кайфанул на все сто.

Жизнь в Черногории на побережье построена, конечно же, вокруг моря — парковка для катерков, продажа катеров, водное такси, рыбалка для пропитания и развлечения.

«Лука, чао!»

Америка. Залив Сан-Франциско

Слева кадр начинается с большой воды — это Тихий океан. Затем слева можно заметить большой мост — это тот самый мост Золотые Ворота. А дальше большая часть воды в центре и справа кадра — это Залив.

Залив Сан-Франциско — это часть океана между материком и полуостровом, и вот на этом полуострове и расположился город Сан-Франциско, окруженный с трех сторон водой, холмистый и продуваемый ветрами. А с четвертой стороны уходит в материк, переходя в Кремниевую долину.

Первое, что я пошел смотреть и что меня конечно поразило — это океан и мост Золотые ворота. Огромная вода, ветер, мост, край континента!

Красный мост — Золотые Ворота. Но есть еще и второй мост :)

Сан-Франциско — это город, построенный вокруг океана. Историческая рыбацкая пристань плавно перетекающая в пирсы с туристами, чайками и морскими котиками.

Рыбацкая пристань — исторический район, который напоминает о прошлом города.

Дальше — порт с туристическими рейсами на Алькатрас и вид самой тюрьмы.

Порт превратился в большую ярмарку, а тюрьма Алькатрас — в аттракцион для туристов.

В центре города находится самая высокая точка полуострова «Твин Пикс», с которой открывается вид на город и Залив.

Если спуститься в город, то там кипит жизнь. Вообще город оставляет впечатление постоянного движа — повсюду ярмарки, тусовки, мероприятия, фестивали, митинги.

Тусовка самокатчиков, ярмарка и митинг в поддержку войны в Иране

Сан-Франциско удобен для туризма. На полуострове везде тротуары, пешеходные и парковые зоны, а еще удобный общественный транспорт с единой системой оплаты — автобусы, трамваи, канатные вагончики и пригородные электрички.

В Сан-Франциско самая большая концентрация Субару, какую я только видел! Все ездят на Субару, Тойотах и Хондах.

Даже Тесла хочет быть как Субару

Кстати про машины и Кремниевую долину. На дорогах очень много беспилотных такси, они повсюду.

На каждой фотке по три штуки сразу

Это технологическое чудо соседствует с бомжеванием и безумием.

Давайте лучше посмотрим на океан

В один день выбрался в университет Санта-Круз. Это значимое место для биоинформатики, именно тут собрали полную первую версию генома человека 25 лет назад.

Тут я не прошел тест ай-кью. Так и не понял как платить за паркинг, даже с чатомгпт. Поэтому просто оставил 10 баксов под дворником и пошел гулять. Хотя гпт сказал мне что сделал я это зря и раз уж не разобрался, то лучше вообще не привлекать внимания.

Фото 1-3: инженерная школа Джека Бэскина, тут собрали первую версию генома. 4: геномный институт, тут собрали уже последнюю версию генома T2T пару лет назад. 5-7: паркинг

Еще сгонял посмотрел на Стэнфордский университет. Интересно, что сердце Стэнфорда — это католический храм.

На океан можно смотреть вечно.

На пасху сходил на служение в Африканскую православную церковь святого Джона Колтрейна. Послушал джаз и подумал о вечном.

Еще я был в Сан-Диего на конференции. Это тоже в Калифорнии, но это уже не Залив. До кучи сюда накидаю фоток.

Сан-Диего — это главная база военно-морского флота США на Тихом океане. А еще там есть авианосец, из которого сделали отличный музей.

Закат просто отвал башки.

AACR 2026: от эмбеда до продукта

Это продолжение обзора конференцию AACR 2026. Начало читай тут.

тернист и долог путь от эмбеда до продукта

В мире больших моделей генерация эмбедов и инпутация данных — это только ранние шаги, а вот конечные продуктовые шаги, типа предсказания респонса, очень сложные. У коммерческих компаний как раз проблема в промежуточных шагах между импутацией и реальным продуктом.

Как понять самому и показать другим работоспособность модели? Как использовать промежуточные результаты ИИ трека, чтобы сделать продукт сильнее? Какие есть промежуточные шаги? На конференции были интересные кейсы от научных групп по промежуточным шагам. Сформулировал в формате:

Как использовать эмбеды и инпутацию → чтобы стать на шаг ближе к продукту.

Cинтетические гистослайды → против дисбаланса классов

Интересное применение синтетических гистослайдов — это генерация слайдов редкого подтипа заболевания для преодоления имбаланса классов. Проблема в том, что редкий подтип встречается… редко. И при обучении модели недостаточно образцов редкого подтипа, чтобы модель хорошо его выучила.

Предлагается на этапе подготовки датасета генерировать гистослайды редкого подтипа. На самом деле достаточно синтетических эмбедов редкого подтипа, без визуализации. После этого дополнительного набора синтетических образцов основная модель лучше выучивает редкий подтип и предсказывает его с лучшим качеством.

Работа про модели BERGERON и CRAWFORD из Стенфорда.

На фото: 1. Общая схема двух моделей. Бергерон делает эмбеды гистослайдов настоящих и синтетических, а Крофорд — визуализирует. 2. Синтетические эмбеды не бачат относительно настоящих. 3. Акураси предсказания редкого подтипа поднялось на 0.1 при добавлении синтетических данных.

Эттеншн-анализ → для поиска контекстных, модельно-извлечённых гипотез

Эттеншн-анализ модели — это вычисление фичей, на которые модель опирается сильнее, чем на другие, при принятии решения.

На уровне одного слайда можно задать вопрос, а что именно увидела модель в этом месте, чего нет в другом месте? На уровне когорты — чем отличаются слайды низкого риска от слайдов высокого риска? Чем отличаются злокачественные регионы на слайдах от нормальных регионов? То есть сравнивать не целый слайд против другого целого слайда, а именно наиболее интересные регионы.

На Фото: 1. Визуализация внимания модели. Видно, что хроматин в центре ядра — наиболее важная фича при высоком риске. 2. Патчи расположены по уменьшению градиента фичи, которая важна при определении риска. Заметьте, что показывается не слайд целиком, а маленькие патчи. 3. Для образцов с парной пространственной транскриптомикой можно было изучить и активность генов. 4. Дифференциальный анализ экспрессий делается прицельно для интересных патчей, не по всему слайду, и с контрастом по риску

Давление бенчмаркинга → для направленного развития моделей

Каждое нормальное выступление про новые модели сопровождалось тейком «наша модель лучше других методов по бенчмаркам, смотрите». Без этого подтверждения всё остальное выступление уже не воспринималось.

Но еще интереснее, когда из этого делался конкретный вывод и команда делала следующий шаг, используя инсайты бенчмарка для прокачки модели.

Мультимодальность → работает лучше чем одна модальность

Файсал Махмуд, отец всего ИИ для патологов, показывает в работе TANGLE, что если тренировать модель на гистологии и транскриптомике, то результаты лучше, чем только на гистологии.

Больше данных → модель работает лучше

Bioptimus, французская компания, создатель коммерческих ИИ-моделей, релизит модель М-оптимус и показывает, что при увеличении трейна резльтаты модели растут и плато пока не достигнуто. Хотя результат меня не впечатлил: при увеличении трейна с 8× до 16× корреляция инпутированых пространственных экспрессий выросла с 0.136 до 0.140? Это что вообще лол.

Текстовое описание слайдов → для лучшего качества при меньшем размере трейна

Яна Липкова делала обзор обзоров бенчмарков для патологических моделей.

Интересно, что модель КОНЧ показывает результат топ-моделей, при на порядок меньшем размере трейна. Достичь этого удалось тем, что КОНЧ обучался на слайдах с текстовым описанием, в отличии от большиства современных моделей, которые обучаются только на изображениях.

КОНЧ

Работа с контекстом и авторегрессия → для лучшего предсказания функций белков

Автор scGPT, Бо Ванг, представил работу BioReason-Pro. Это пайплайн, который помогает описать функцию белка, для которого последовательность известна, а мокрого эксперимента еще не было. Первый этап этого пайплайна — GO-GPT, модель, которая генерирует предварительные гипотезы о функциях на основании последовательности белка.

GO-GPT — пример направленного развития модели: бенчмарки и опыт CAFA-подобных сравнений показали, что плоское предсказание Gene Ontology лейблов недостаточно. Авторы сделали следующий шаг: превратили GO-аннотацию в задачу последовательной генерации терминов, то есть навернули ауторегрессию, чтобы сама архитектура лучше соответствовала структуре Gene Ontology.

На фото: 1. GO-GPT по бенчам бьет прошлые подходы, которые были SOTA. 2. Архитектура всего BioReason. Как я понял две верхние стрелки — это GO-GPT, а еще есть подготовка текстового эмбеда, из этого собирается гига-промпт, который подается в третью модель.

AACR 2026: обзор трендов

AACR — ежегодная большая конференция по онкологии, в этом году проходила в Сан-Диего, на конфу приехало 22,000 участников.

В 2026 году на конференции AACR прослеживались два тренда — впечатляющие результаты больших биологических моделей, и много новых экспериментальных лекарств, которые разрабатываются классическими подходами. AACR2026 пыталась найти точки соприкосновения между двумя этими трендами.

Так как БостонДжин участвует в гонке со стороны первого тренда, предлагая свою экспертизу и инструмент для продвижения терапий по фазам клинтрайлов, то я акцентировал внимание на ИИ-секциях.

БостонДжин приехал на конфу

Открытие конференции

Открытие сразу задает тон всей конференции. Три спикера рассказывают, что трудности в онкологии всё еще существуют и открытия происходят каждый год, при этом гонка вооружений не останавливается, разработка новых лекарств также ведется каждый год, и сможет ли нам помочь в этом ИИ?

Челленджи в онкологии еще есть. Рак простаты приобретает резистентность к AR-inh меняя гистологию.
Разработка лекарств не стоит на месте. CAR-T для солидных опухолей вовсю тестируются.
Как нам поможет ИИ? Модель SPARC: понимание активности молекулярных паттернов по изображениям, предсказание риска. Модель Boltz: персонализированный подбор таргетной терапии через моделирование взаимодействия молекулы лекарства с мутировавшим белком-таргетом. Модель MIRAI: ИИ распознавание изображений маммографии и оценка риска на 5 лет

Новости из мира больших биологических моделей

Секцию вел Якоб Николас Катер, восходящая звезда, профессор по клиническому ИИ из университета Дрездена, Германия.

Якоб говорит, что патологические фаундейшн модели это что-то из 2020 года. 2026 год — это год агентов, которые работают с базой данных клинических записей и отвечают врачу на человеческом языке.

Файсал Махмуд, отец ИИ в патологии, представил несколько новых моделей из своей лабы.

Файсал просек, что надо двигаться дальше, и представил Apollo — большая базовая модель, основные модальности которой это стандартные клинические записи о пациенте и результаты рутинных лабораторных и инструментальных исследований, как анализ крови и рентген. Модель умеет понимать факторы риска, предсказывать прогрессию заболеваний и результат лечения.
Новую гистологическую модель, новую модель на гистологии + транскриптомике, новую модель на гистологии + геномике, новую модель для пространственной транскриптомики.

Бо Ванг, Создатель scGPT, так же представил две новые модели из своей лабы.

X-Cell: новая улучшенная версия scGPT. BioReason: модель для предсказания функции белков, для которых уже известна аминокислотная последовательность, но не было мокрого эксперимента

Юра Лесковец представляет Biomni — агентную систему, заточенную под многошаговую работу над биологическими вопросами. Надо затестить.

Агент может работать прям биоинформатическими тулами и ходить по базам данных. Примеры применения: 1. агент задизайнил мокрый протокол, 2. агент перелопатил 458 таблиц и файлов из исследования и сгенерировал гипотезы, которые дальше можно проверять

Постерная сессия

На постерных сессиях наблюдалась такая тенденция. На секциях про новые классы терапий и про первые трайлы на людях было не протолкнуться. На секциях про ИИ был средний интерес. А вот на классических секциях про клинические исследования и биоинформатику было тухло.

1,2 — иммуннология и эксперементальная терапия, 3 — секция про ИИ, 4 — исследования в клинике: прогностические биомаркеры, молекулярные классификаторы рака, популяционные исследования, ликвид биопсия.

Я представлял две работы. Первая — про определение подходящей терапии для пациента с множественной миеломой. Вторая — про общие генетические паттерны между крупноклеточной Б-клеточной лимфомой и лимфомами другой гистологии.

Главный вывод — можно работать над этой областью соприкосновения ИИ и тренда на продвижение новых видов терапий.

Хронос: база НГС данных, веб-сервис и медиа

Хронос — это база НГС данных и веб-сервис, который позволяет с этой базой работать. В базу попадает анонимизированная аннотация пациентов, которые получили клинический тест БостонДжина и их НГС данные — мутации, изменения копийности, фьюжены, экспрессии. А веб-сервис сибиопортал позволяет через браузер анализировать эту когорту.

Пользователь пользуется Хроносом через веб-сервис cbioportal

Цель проекта — ускорение и упрощение ретроспективного анализа пациентов: раньше это было долго и мучительно, а сейчас есть единообразное хранение, инструмент анализа и инструкции как этим пользоваться.

Раньше требовалось много времени чтобы просто собрать данные для начала анализа. Сейчас можно концентрироваться на самом анализе.

Чтобы рассказывать о новостях, обновлениях базы и обучать пользователя был создан телеграмм-канал. Для обучения я записывал короткие видео и инструкции со скриншотами. Всего было записано около 60 видео- и текстовых уроков.

Примеры вопросов, на которые Хронос помогает отвечать:

  • сколько образцов хорошего качества и собственного секвенирования есть в БостонДжине
  • как найти образец по мутации, фьюжену
  • как сравнить дабл-мутантов против мутантов, например по активности микроокружения
  • как сравнить группы пациентов по уровню экспрессии гена
  • как нарисовать простой онкоплот и сохранить картинку
  • как найти ко-экспрессирующиеся гены
  • как найти дифференциально экспрессирующиеся гены между двумя группами
  • как найти все образцы с NTRK фьюженами
  • как найти образы с мутированным RAS
  • как посмотреть частоту встречаемости гермлайна


🪣ведро проекта

В ведре я расскажу про жизненный цикл Хроноса от идеи в 2021 году и до реализации. К Хроносу не стоит относится как к рабочему проекту в чистом виде. Это путь самурая.

Старт проекта

БостонДжин помогает пациентам, проводя глубокий анализ опухоли. Информация о проанализированных образцах накапливается, и, время от времени, возникают клинические и исследовательские задачи, связанные с этой когортой. Например, врач спрашивает: “какая частота HER2 амплификаций в раках молочной железы среди пациентов, которых я вам присылал?”

Необходимо спроектировать систему хранения, доступа и анализа собранной когорты.

Сибиопортал, контейнеризация и деплой

Сибиопортал — это сервис для хранения и анализа аннотированных НГС данных, разработанный в Мемориал Слоан-Кеттеринг Канцер Центре. Есть их собственный портал, который они хостят у себя на серверах и сами пополняют, а есть упакованный вариант, распространяемое через ГитХаб для всех желающих. Только деньги на нем зарабатывать нельзя по лицензии.

Я изучил документацию по Сибиопортал. Оказалось, что разработчики упаковали сервис в докер-компоуз. Чтобы развернуть его на сервере компании для теста, я изучил, что такое контейнеризация и инструмент Docker и на второй неделе развернул на сервере пустой Сибиопортал.

Развернул пустой портал на сервере компании

ETL и первые данные на сибиопортале

Следующим шагом я изучил, что такое ETL и спецификацию раскладки и формат файлов для загрузки когорты для Сибиопортала.

ETL (Extract, Transform, Load) — это пайплайн сбора сырых данных из многих ресурсов, фильтрация лишнего, трансформация их под нужный формат и загрузка в требуемое место.

На третьей неделе залил первую аннотацию, мутации, перестройки и экспрессии.

Теперь портал не пустой, добавилась аннотация, мутации, перестройки и экспрессии

Реляционная база данных, SQL, заполнение и запросы в базу

На раннем этапе мы думали, что сибиопортал — это именно инструмент для анализа когорты с удобным веб-интерфейсом. И казалось логичным, что рядом с аналитическим инструментом нужно создать базу данных, откуда потом ETL будет подтягивать данные для cbioportal.

Сперва я выписал какие есть атрибуты у образцов и набросал модель данных, которая легла в основу будущей базы. Оказалось, например, что у пациента может быть несколько биопсий, а у каждой биопсии может быть несколько секвенирований.

Хронос начинался с бумажки и схемы

При работе над задачей я изучил, что такое реляционные базы данных и PostgreSQL, язык запросов SQL и питоновский пакет SQLAlchemy для создания схемы базы данных и общения с ней. А так же изучил способ заполнения базы данных через веб-формы и пакет Flask.

Сделал прототип и упаковал всё в контейнеры с помощью docker и docker-compose.

Схема реляционной базы данных и веб-форма, через которую эту базу заполнять

Запуск медиа и база знаний

Чтобы развивать проект дальше, мне нужно было понять реальный спрос в компании на этот инструмент. Я создал канал в телеге и за несколько месяцев я записал около 60 микро-инструкций и видео по работе с сибиопорталом, постов про обновления и разные улучшайзинги в проекте. В итоге получилось хорошее внутреннее медиа для продвижения проекта и база знаний. Спрос подтвердился, можно двигаться дальше.

Первый пост, регулярные посты и запросы пользователей.

Спрос подтвердился, можно двигаться дальше.

Делегирование проекта

На техническую часть проекта приходит мой коллега, биоинформатик Данил Иванов, а я остаюсь идеологом и продвигаю проект через образовательный контент. Данил заводит бэклог, собирает юзкейсы от пользователей, приоритезирует задачи, планирует переезд в кубернетис, избавляется от SQL базы. Отдает бэкенд и инфраструктуру профильным разработчикам, а сам погружается в операционную работу с данными — ETL, запуск пайплайнов.

Было проделано много работы, но я намерено не описываю нюансы технической реализации, потому что хочу показать жизненный цикл проекта в целом и не погрязнуть в технике.

Прайм

После подключения разработчиков портал заработал в полную силу, а через образовательный канал всё это время я старался подогревать аудиторию. Настал период прайма Хроноса.

Он используется для исследовательских задач и ретро-анализа когорт, помогает в хайповых темах типа ADC NECTIN4 и TROP2, с помощью него пишутся абстракты и постеры на ASCO и AMP, а саркомная когорта размером стала больше TCGAой. Клиницисты ищут пациентов по генетическим событиям, биоинформатики подбирают образцы для валидации инструментов, директор прям на встрече с заказчиком тестирует гипотезы в сибиопортале.

“Comparative Molecular Analysis of Clear Cell Sarcoma and Cutaneous Melanomas: Key Genetic Insights for diagnosis”. Абстракт и постер для конференции AMP2024, первичный анализ был выполнен с помощью Сибиопортала. BostonGene news.

Спад

Затем произошло успокоение. За полгода сибипортал использовался только в одной исследовательской задаче и еще один человек дал отзыв, что использует его в работе.

Несмотря на благую идею, техническую реализацию, медиа и базу знаний, продукт столкнулся с реальностью бизнеса и сильнейшей пользовательской привычкой. Бизнес переориентировался и заказы на ретро-анализ пропали. А для исследовательских задач биоинформатики используют ЮпитерХаб, и эту привычку не удалось победить даже за два года существования медиа и мастер-классов по Сибиопорталу.

В 2026 году Хронос переживает спад. Сибиопортал всё еще работает, когорта обновляется каждый месяц, но запросов мало. С другой стороны проект уже настолько автономный, что не требует улучшений и постоянного надзора. Поэтому нормас.

GeoMx и грибовидный микоз

Проект по лимфоме

Грибовидный микоз, или кожная Т-клеточная лимфома — это рак, при котором обезумевшие Т-лимфоциты начинают плодится в коже. Заказчик провел мокрую часть исследования при помощи технологии GeoMx, а анализ заказал у нас в БостонДжине. Я руководил проектом, разбирался в аннотации и нюансах технологии и общался с клиентом, а контроль качества и анализ делал Леша.

GeoMx технология и файлы

Оригинальная статья: Multiplex digital spatial profiling of proteins and RNA in fixed tissue, 2020.

Суть GeoMx технологии и изображение куска кожи из исследования и ROI (regions of interest, области интереса) на этом кусочке

Суть GeoMx технологии:

  1. Есть предподготовленные набор РНК-зондов для тыщи генов. Эти зонды соеденены UV-линкером со штрихкодом-олиго-нуклеотидом. 1 нужный нам ген = 1 штрихкод.
  2. Биопсию готовят, помешают на стекло, обрабатывают RNA-зондами, происходит гибридизация.
  3. Затем стекло помещают в машину, где есть камера и на микрофотографии на экране машины исследователь обозначает область интереса.
  4. Затем машина фигарит ультрафиолетом в эту очерченную область, UV-линкер разваливается и машина всасывает в себя штрихкоды.
  5. Штрихкоды секвенируются, можно на обычном секвенаторе, получаются риды
  6. Риды сопоставляются с заранее подготовленной панелью штрихкод-ген. Количество ридов со штрихкодов как бы трансформируется в интенсивность сигнала конкретной РНК.

Поэтому когда мы получили файлы секвенирования, мне стало понятно, что это не то, что нужно. Нам прислали олиго-ДНК-штрихкоды, которые сами по себе не несут информации о генах и их нужно сопоставлять в пары баркод-ген через специальный пайплайн. Выходными файлами являются Digital Count Conversion (DCC).

Как получаются DCC файлы из мануала GeoMx и пайплайн illumina.

Самостоятельно спроцессировать fastq файлы можно через Иллюминовский Бэйзспейс GeoMx NGS Pipeline is distributed as a pipeline on BaseSpace. Вроде это не требует специфического доступа, но стоит сколько-то денег и вообще это не тривиально.
Поэтому я решил написать письмо коллаборатору и спросить, а может у них есть DCC файлы. DCC файлы мы получили на следующий день. Иногда надо просто попросить.

Аннотация

Чтобы правильно задать вопросы к когорте, а потом на них ответить, нужно осознать, а с чем вообще имеем дело? По идее это в каждом пациенте может быть несколько слайдов, а на слайдах по несколько ROI. Ну и пациенты должны обладать разными свойствами, что-то с чем-то сравнивать.

Аннотация которую надо осознать

После изучения таблиц стало понятно, какие измерения важны:

  • Пациент — 1 измерение
  • Диагноз и Large-cell transformation — 2 измерение
  • Сегменты — 3 измерение
  • ROI — region of interest или Маска — 4 измерение

Теперь нужно это визуализировать.
1 измерение. Пациента изобразим человечком —
2 измерение. Сгруппируем пациентов по клиническим параметрам

Оказалось, что 4 и 9 пациенты — это один и тот же человек. Так как биопсии были взяты в разное время и из разных локализаций, а когорта маленькая, я решил рассмотреть его эти две точки как разных пациентов

3 измерение. В аннотации встречались названия “Epidermal”, “Sub-epidermal”, “Dermis”. Поэтому я решил, что врачи забирали сегменты по принципу «посмотреть кожу на разной глубине». Подобрал картинку «кожа в разрезе», где есть поверхностные, средние и глубокие структуры и есть волосяные фолликулы.

Расположил пациентов над изображением кожи и кружочками обозначил сегменты какой глубины есть у каждого пациента. На кожу добавил уровни и подписал.

Расположение пациентов подобрано над картинкой таким образом, чтобы пациенты 2 и 9, у которых есть сегмент из Фолликула, располагались над фолликулом на картинке.

Теперь структура данных наглядная. Видно, например, что Эпидермис есть только у пятого пациента, или что фолликулы есть только у двух пациентов, при этом диагнозы у них разные.

По ходу этого упражнения выяснилось, что название сегментов иногда обозначали локализацию — “Epidermal”, а иногда свойство — “Macrophage poor”. Чтобы уточнить аннотацию я подготовил таблицу, где частично уже унифицировал категории для ROI. Попросили коллабораторов заполнить оранжевые ячейки. И подготовил один слайд с пояснением, что чет непонятно.

Ну красота же, а?

Написали письмо заказчику, объяснили ситуацию и попросили уточнить аннотацию.

Анализ и результаты

Леша погрузился в технологию, подобрал инструменты для работы и начал анализ:
Background modeling, Quality Control and Normalization for GeoMx RNA data with GeoDiff. Имея понимание технологии, нужные файлы и понимание структуры когорты дальше анализ прошел без проблем.

Мы выяснили, что FMF имеет в целом более воспалительное микроокружение с преобладанием компонентов врожденного иммунитета — M1 и M2 макрофаги, NK клетки и дендритные клетки. А CMF менее воспаленный с преобладанием T-хелперов и плазматических клеток.

Цветовое кодирование соблюдается в левой и правой частях графиков и позволяет следить что с чем сравнивали. Один из сотни слайдов.

Заказчик на встрече выглядел довольным, но затем отказался платить деньги, а мы запретили публиковать статью с нашим анализом. Мы так и не узнали настоящей причины. И так бывает.

Ранее Ctrl + ↓