Assim como os tentilhões de Darwin evoluíram em resposta à seleção natural para sobreviver, as células que compõem um tumor cancerígeno também resistem às pressões seletivas para sobreviver, evoluir e se espalhar. Os tumores são, na verdade, conjuntos complexos de células com estrutura e capacidade de transformação únicas. 

Atualmente, a inteligência artificial e as ferramentas de aprendizado de máquina oferecem uma oportunidade sem precedentes para elucidar as regras generalizáveis que governam a progressão tumoral nos níveis genético, epigenético, metabólico e microambiental. 

Matthew G. Jones , professor assistente do Departamento de Biologia do MIT , do Instituto Koch para Pesquisa Integrativa do Câncer e do  Instituto de Engenharia Médica e Ciência , espera usar abordagens computacionais para construir modelos preditivos — como jogar xadrez com o câncer, compreendendo a capacidade de um tumor evoluir e resistir ao tratamento, com o objetivo final de melhorar os resultados para os pacientes. Nesta entrevista, ele descreve seu trabalho atual.

Uma história muito comum no caso do câncer é que os pacientes respondem a uma terapia inicialmente, mas, eventualmente, esse tratamento deixa de funcionar. Isso ocorre, em grande parte, porque os tumores têm uma capacidade incrível e muito complexa de evoluir: a capacidade de alterar sua composição genética, a sinalização de proteínas e a dinâmica celular. O tumor, como sistema, também evolui em nível estrutural. Muitas vezes, a razão pela qual um paciente sucumbe a um tumor é porque ele evoluiu para um estado que não podemos mais controlar ou porque evolui de maneira imprevisível. 

De muitas maneiras, os cânceres podem ser vistos, por um lado, como incrivelmente desregulados e desorganizados e, por outro, como possuidores de uma lógica interna própria, em constante mudança. A tese central do meu laboratório é que os tumores seguem padrões estereotipados no espaço e no tempo, e esperamos usar computação e tecnologia experimental para decodificar os processos moleculares subjacentes a essas transformações.  

Estamos focados em uma forma específica pela qual os tumores evoluem através de uma forma de amplificação de DNA chamada DNA extracromossômico. Excisados do cromossomo, esses ecDNAs são circularizados e existem como um conjunto separado de partículas de DNA no núcleo. 

Descoberto inicialmente na década de 1960, o ecDNA era considerado um evento raro no câncer. No entanto, à medida que os pesquisadores começaram a aplicar o sequenciamento de nova geração a grandes grupos de pacientes na década de 2010, descobriu-se que essas amplificações de ecDNA não apenas conferiam aos tumores a capacidade de se adaptarem mais rapidamente a estresses e terapias, como também eram muito mais prevalentes do que se pensava inicialmente.

Agora sabemos que essas amplificações de ecDNA são evidentes em cerca de 25% dos cânceres, nos cânceres mais agressivos: câncer de cérebro, pulmão e ovário. Descobrimos que, por uma série de razões, as amplificações de ecDNA são capazes de alterar as regras de evolução dos tumores, permitindo que eles acelerem para uma forma mais agressiva da doença de maneiras surpreendentes. 

Existe uma missão de traduzir o que estou fazendo no laboratório para melhorar a vida dos pacientes. Quero começar com dados de pacientes para descobrir como várias pressões evolutivas estão impulsionando as doenças e as mutações que observamos. 

Uma das ferramentas que utilizamos para estudar a evolução tumoral são as tecnologias de rastreamento de linhagem de células individuais. De forma geral, elas nos permitem estudar as linhagens de células individuais. Quando coletamos uma amostra de uma célula específica, não apenas sabemos a aparência dessa célula, mas também podemos (idealmente) identificar com precisão quando mutações agressivas surgiram na história do tumor. Essa história evolutiva nos fornece uma maneira de estudar esses processos dinâmicos que, de outra forma, não seríamos capazes de observar em tempo real, e nos ajuda a entender como poderíamos interceptar essa evolução. 

Espero que consigamos melhorar a estratificação dos pacientes que responderão a determinados medicamentos, antecipar e superar a resistência aos medicamentos e identificar novos alvos terapêuticos.

Uma das coisas que realmente me atraiu foi a integração da excelência tanto na engenharia quanto nas ciências biológicas. No Instituto Koch, cada andar é estruturado para promover essa interface entre engenheiros e cientistas básicos e, além do campus, podemos nos conectar com todas as instituições de pesquisa biomédica na região metropolitana de Boston. 

Outro fator que me atraiu no MIT foi a forte ênfase que a instituição dá à educação, ao treinamento e ao investimento no sucesso dos alunos. Acredito firmemente que o que distingue a pesquisa acadêmica da pesquisa industrial é que a pesquisa acadêmica é, fundamentalmente, um trabalho de serviço, pois estamos formando a próxima geração de cientistas. 

Sempre foi minha missão trazer excelência tanto às disciplinas de tecnologia computacional quanto às experimentais. O tipo de aluno que espero recrutar é aquele que está ansioso para colaborar e resolver grandes problemas que exigem ambas as disciplinas. O KI [Instituto Koch] está singularmente estruturado para esse tipo de laboratório híbrido: meu laboratório seco fica ao lado do meu laboratório úmido, o que proporciona colaboração e conexão, e reflete a visão geral do KI.