Skip to main content

Bioinformatics and Integrative Genomics for a Novel Personalized Cancer Therapy

Article Category

Article available in the folowing languages:

PanDrugs: analiza danych genomicznych zwiększy skuteczność terapii przeciwnowotworowych

Analiza danych genomicznych w leczeniu nowotworów to obiecujące podejście do przewidywania reakcji na leki i efektów leczenia. PanDrugs – opracowana w ramach projektu PERSMEDOMICS innowacyjna metodologia bioinformatyczna – ułatwia dobór terapii w oparciu o indywidualny profil genomiczny pacjenta.

Gospodarka cyfrowa
Zdrowie

PanDrugs to jedno z brakujących ogniw pomiędzy potencjałem biomarkerów jako narzędzi do prognozowania skuteczności leczenia a ich faktycznym zastosowaniem w warunkach klinicznych. W rękach wykwalifikowanego personelu bioinformatycznego, w połączeniu z odpowiednią infrastrukturą do przetwarzania i magazynowania danych, ta nowa platforma pomoże w doborze terapii na podstawie wyników badań całego genomu guza danej osoby chorej na nowotwór. „Obecnie większość badań klinicznych ocenia skuteczność i bezpieczeństwo nowego leku, sprawdzając jego działanie na populacji pacjentów w zasadzie nie poddanej żadnej selekcji” – zauważa dr Fatima Al-Shahrour, koordynator projektu PERSMEDOMICS (Bioinformatics and Integrative Genomics for a Novel Personalized Cancer Therapy) w Hiszpańskim Narodowym Centrum Badań nad Rakiem (CNIO). „Zastosowanie profilów genomicznych w badaniach metodą »koszykową« (basket trials) może zwiększyć dokładność diagnostyki i doboru terapii w oparciu o biomarkery oraz zapewnić bezpieczniejszy dobór leków, skuteczniejszą profilaktykę, a w konsekwencji obniżenie kosztów opieki zdrowotnej”. Naturalnie, spersonalizowanie leczenie nowotworów jest ciągle na początkowym etapie rozwoju. Zanim stanie się ono standardem, szpitalom potrzebne będą szybkie, powtarzalne, łatwe do przeprowadzenia i niedrogie metody wykonywania badań. Jednak do tego konieczne jest zachęcenie różnych podmiotów do udostępniania danych molekularnych i klinicznych, pełne zrozumienie biologii guzów oraz przezwyciężenie obecnych ograniczeń terapeutycznych i farmakologicznych. „Najnowsze badania wskazują także, iż medycyna spersonalizowana do skutecznego wspierania procesu decyzyjnego wymaga informacji pochodzących od tysięcy pacjentów. Niestety nawet jeśli wszystkie powyższe problemy zostałyby rozwiązane, infrastruktura obliczeniowa dostępna w placówkach służby zdrowia nadal nie będzie przygotowana do przetwarzania takich ilości danych” – ubolewa dr Al-Shahrour. W tej sytuacji rozwój szybkich i tanich technologii umożliwiających powiązanie danych od pacjentów z innymi informacjami jest bardzo potrzebny. Platforma PanDrugs może częściowo rozwiązać ten problem: dzięki niej bioinformatycy mogą analizować i integrować dane genomiczne (mutacje, wariacje liczby kopii lub poziom ekspresji genów), funkcjonalne (egzogenność białek) oraz farmakologiczne (wrażliwość lub oporność na leki przeciwnowotworowe) w celu zidentyfikowania zmian molekularnych. „Zadaniem platformy PanDrugs jest ocena dużych zbiorów danych pozyskanych z profilów genomicznych pacjentów onkologicznych pod kątem ich biologicznej i klinicznej przydatności oraz podatności guza na leczenie farmakologiczne, a poprzez to wspieranie klinicznego procesu decyzyjnego. Ponadto nasz zespół pracował nad nową metodą repozycjonowania leków umożliwiającą przewidywanie sekwencyjnej terapii raka przy użyciu sygnatur transkrypcyjnych” – mówi dr Al.-Shahrour. Zespół PERSMEDOMICS osiągnął już bardzo obiecujące wstępne wyniki badań. Opracowane przez niego narzędzia zostały wykorzystane do analizy danych sekwencyjnych pacjentów cierpiących na gruczolakoraka przewodowego trzustki (PDAC) i nadania priorytetu tym przypadkom, dla których mogło to mieć znaczenie terapeutyczne. „W kontekście projektów badawczych i badań klinicznych, platforma PanDrugs została włączona do procedury analizy sekwencyjnej jako nowy moduł, którego zadaniem jest kategoryzowanie guzów pacjentów i dobieranie do nich skutecznych leków lub terapii” – entuzjastyczne stwierdza dr Al.-Shahrour. „Jak dotąd przeanalizowaliśmy dane pochodzące od ponad 500 pacjentów, a nowa procedura umożliwiła nam zidentyfikowanie odpowiedzialnej mutacji u prawie połowy z nich”. Jednym z przykładów tej pracy jest badanie z udziałem 25 pacjentów, polegające na integracji danych sekwencyjnych i danych z mysich modeli przeszczepów ksenogenicznych pochodzących od pacjentów (PDX). Dzięki platformie PanDrugs zespół był w stanie zidentyfikować w większości przypadków prawdopodobne, swoiste dla guza zmiany genomiczne podlegające terapii celowanej, a eksperymentalne testowanie terapii kandydackich na modelach PDX pomogło w doborze leczenia empirycznego tych pacjentów, u których nie wystąpiły mutacje podlegające terapii celowanej. „W 2015 roku rozpoczęliśmy testowanie powyższej strategii w ramach grantu przyznanego przez Europejską Radę ds.. Badań Naukowych, przygotowując randomizowane badanie kliniczne na próbie 150 pacjentów z lekoopornym metastatycznym rakiem trzustki. Naszym celem było zbadanie hipotezy, zgodnie z którą zintegrowane, spersonalizowane podejście do terapii poprawia wskaźnik przeżywalności pacjentów w porównaniu do konwencjonalnej strategii leczenia” – mówi dr Al.-Shahrour. Dzięki platformie PanDrugs, stanowiącej doskonałe rozwiązanie do badania profilów molekularnych w populacjach pacjentów, służba zdrowia może się teraz skupić na zapewnianiu infrastruktury, oprogramowania i wiedzy potrzebnych do gromadzenia, wydobywania, przetwarzania i analizowania informacji. PanDrugs jest oprogramowaniem typu open source, co oznacza, że wszystkie algorytmy i metody są publiczne i ogólnodostępne. Konsorcjum projektu nawiązało już współpracę z publicznymi i niepublicznymi placówkami ochrony zdrowia, aby promować korzystanie ze swoich narzędzi.

Słowa kluczowe

PERSMEDOMICS, Pandrugs, rak, genomika, bioinformatyka, duże zbiory danych, medycyna spersonalizowana, badania kliniczne, guz, algorytm

Znajdź inne artykuły w tej samej dziedzinie zastosowania