Исследовательская группа KAIST во главе с профессором Кван-Хён Чо из отдела биоинженерии и инженерии мозга разработала технологию для поиска оптимальных мишеней для лекарств для определенных типов раковых клеток. Команда использовала системную биологию для анализа динамики молекулярной сети, отражающей генетические мутации в раковых клетках, и для прогнозирования реакции на лекарства. Технология может внести большой вклад в будущую разработку противораковых лекарств.
В раковых клетках обнаружено множество типов генетических вариаций, включая генные мутации и вариации числа копий. Эти вариации различаются в раковых клетках, даже в пределах одного и того же типа рака, и, таким образом, реакция на лекарство варьируется от клетки к клетке. Исследователи рака работали над выявлением часто встречающихся генетических вариаций у онкологических больных и, в частности, мутаций, которые можно использовать в качестве индекса для конкретных лекарств. Предыдущие исследования были сосредоточены на выявлении единственной генетической мутации или проведении анализа структурных характеристик генной сети. Однако этот подход был ограничен в своей неспособности объяснить биологические свойства рака, вызванного взаимодействием генов и белков в раковых клетках, что приводит к различиям в реакции на лекарства.
Генные мутации в раковых клетках изменяют функцию этих генов и тех, которые взаимодействуют с ним и его белками. Как следствие, одна мутация может привести к изменению динамических свойств молекулярной сети. Следовательно, реакция раковых клеток на противораковые препараты различается. Текущий подход к лечению, который игнорирует динамику молекулярной сети и нацелен на несколько генов, связанных с раком, эффективен только для части пациентов, в то время как многие другие пациенты проявляют устойчивость к препарату.
Команда профессора Чо интегрировала крупномасштабное компьютерное моделирование с использованием суперкомпьютеров и клеточных экспериментов для анализа изменений в динамике молекулярной сети в раковых клетках.
Это привело к разработке технологии поиска оптимальной мишени для лекарственного средства в соответствии с типом раковых клеток путем прогнозирования ответа на лекарственный препарат. Эта технология была применена к молекулярной сети известного супрессора опухолей p53. Команда использовала крупномасштабные геномные данные раковых клеток, доступные из Энциклопедии линий раковых клеток (CCLE), для построения различных молекулярных сетей, специфичных для характеристик генетических вариаций.
Анализ возмущений ответа на лекарство в каждой молекулярной сети использовался для количественной оценки изменений в раковых клетках в результате ответа на лекарство, и аналогичные сети были сгруппированы. Затем компьютерное моделирование использовалось для анализа синергетических эффектов с точки зрения эффективности и комбинации для прогнозирования уровня лекарственного ответа. На основе результатов моделирования различные линии раковых клеток, включая рак легких, груди, костей, кожи, почек и яичников, были использованы в экспериментах по реагированию на лекарственные препараты для сравнительного анализа.
Этот метод может применяться в любой молекулярной сети для определения оптимального лекарственного препарата для персонализированной медицины.
Исследовательская группа предполагает, что технология может анализировать различные реакции на лекарства из-за неоднородности раковых клеток, учитывая общие модулирующие взаимодействия, а не сосредотачиваясь только на конкретном гене или белке. Кроме того, технология помогает прогнозировать причины лекарственной устойчивости и, таким образом, определять оптимальную лекарственную мишень для подавления устойчивости. Это может быть технология основного источника, которую можно использовать в репозиционировании лекарств, в процессе применения существующих лекарств для лечения новых болезней.
Профессор Чо сказал, "Генетические вариации в раковых клетках являются причиной разнообразной реакции на лекарства, но полный анализ еще не был проведен." Он продолжил, "Системная биология позволила моделировать лекарственные реакции молекулярными сетями раковых клеток для определения фундаментальных принципов лекарственного ответа и оптимальных мишеней для лекарств с использованием нового концептуального подхода."