Ny beräkningsmetod öppnar för effektivare strategier för cancerterapi

Ny beräkningsmetod öppnar för effektivare strategier för cancerterapi
Ny beräkningsmetod öppnar möjligheten för riktade och effektivare strategier för cancerterapi. Laboratoriet Computational Biomodeling (Combio) vid Åbo Akademi och Åbo datatekniska forsknings- och utbildningscentrum (TUCS) har utvecklat en ny och effektiv beräkningsmetod för att skapa målinriktad strukturell styrbarhet av cancernätverk.

Forskarna visade att metoden kan användas för att identifiera nya strategier för läkemedelsbehandling av bröst-, bukspottkörtel- och äggstockscancer. Datavetarna har alltså hittat ett sätt att utnyttja tidigare insamlad patient- och läkemedelsdata och använda den informationen i cancerforskningen. Forskningen har publicerats i en artikel i Nature Publishing Groups tidskrift Scientific Reports.

Ny genetisk redigeringsteknik har möjliggjort upptäckten av proteiner som är avgörande för cancercellers spridning och överlevnad. En mycket lovande ny terapeutisk strategi är att identifiera kombinationer av läkemedel som, genom kaskadeffekter i cancercellens eget interaktionsnätverk, kan styra några av de gener som är nödvändiga för cancercellernas överlevnad.

Forskargruppen vid Combio, ledd av Ion Petre, professor i datavetenskap vid Åbo Akademi, fokuserade på målinriktad strukturell styrbarhet hos riktade nätverk. Dessa identifierar en uppsättning förarnoder som kan styra en del av ett a priori-definierat nätverk. Genom denna metod kopplade Åbo Akademis forskare för första gången kontrollen av proteiner som är viktiga för cancer med FDA-godkända läkemedelsmål. (FDA-godkänd innebär alltså ett läkemedel som genomgått hårda tester och finns på marknaden tillgänglig för allmänheten.) För att göra detta utvecklade de en uppsättning nya och kraftfulla algoritmer och implementerade dem i fritt tillgänglig ( open access) programvara.

Algoritmerna applicerades till analysen av bröst-, bukspottskörtel- och äggstockscancer. För var och en av dessa byggde forskarna ett detaljerat protein-protein-interaktionsnätverk och beräknade flera förslag till behandlingar med olika läkemedelskombinationer.

De fann att vissa av de behandlingar som föreslagits av deras programvara redan används för behandlingen av dessa former av cancer, medan andra är kända för att användas i behandlingen av andra former av cancer. Dessutom hittade man behandlingar som inte ännu är kända för att användas vid någon cancerbehandling (men vissa är för närvarande i kliniska prövningar).

Detta tillvägagångssätt är allmänt och har potential att också hjälpa till i läkemedelskombinatoriska terapistudier av andra sjukdomar, och det kan bidra till att integrera patientspecifika molekylära data i sådana studier.
Forskningen finansierades av Finlands Akademi (forskningsprogrammet för syntetisk biologi) och av TEKES (forskningsprogrammet Challenge Finland).

Forskningsresultaten publicerades 4.9.2017 i tidskriften Scientific Reports: ”Directed Protein Interaction Networks in Cancer”. Författare är Krishna Kanhaiya, Eugen Czeizler, Cristian Gratie och Jon Petre.

Artikeln är publicerad på adressen: http://www.nature.com/articles/s41598-017-10491-y

Du kan också läsa hela artikeln genom att klicka här.

Läs mera om forskningen i MfÅA på: http://mfaa.abo.fi/?article=cancerforskning-genom-matematik


För mer information:

Professori datavetenskap vid Åbo Akademi
Ion Petre
ipetre@abo.fi
Tfn: (02) 215 3361