Prediktivni model lahko pomaga pri izbiri zdravljenja raka dojke | 2020

Vsebina:

Anonim

Zahvaljujoč diagnostičnim testom lahko zdravniki in bolniki že poznajo vrsto raka na prsih, proti kateremu so se soočali, vendar ostaja eno veliko vprašanje: Kako verjetno je, da bo rak napadel druge dele telesa? Odgovor na to vprašanje bi lahko pomagal pri izbiri možnosti zdravljenja, od agresivnih in težkih terapij do bolj konzervativnih.

Raziskovalci so s preučevanjem kemičnih signalov iz določenih celic, ki sodelujejo pri pomoči raku, vdrli v druga tkiva v telesu vsake ženske, razvili napovedni model, ki bi lahko zagotovil indeks invazivnosti za vsakega bolnika.

"Želimo, da bi ženske imele več informacij, da bi lahko sprejele osebno odločitev, ki presega povprečje, izračunano za celotno populacijo," je dejal Manu Platt, izredni profesor na Oddelku za biomedicinsko inženirstvo na Georgia Tech in Emory University. "S pomočjo naših orodij sistemske biologije in pristopov prediktivne medicine gledamo na potencialne označevalce, ki bi jih lahko uporabili za razumevanje tveganja, ki ga ima vsaka ženska. To bi zagotovilo informacije za bolj izobraženo razpravo o možnostih zdravljenja."

Raziskava, sponzorirana s sredstvi združenja Georgia Research Alliance in donacije družine Giglio Oddelku za biomedicinsko tehniko, je bila objavljena 9. septembra v reviji Znanstvena poročila . Poleg raka na dojki bi tehnika lahko nudila podobno pomoč pri odločanju za moške z rakom prostate, kjer zdravljenje zahteva tudi težke odločitve glede tveganja metastaz.

Plattova raziskovalna skupina preučuje kemične signale, ki jih povzročajo makrofagi, ki lahko pomagajo agresivnim tumorjem vdreti v nova tkiva. Makrofagi običajno očistijo tujke in škodljive mikroorganizme v telesu, toda agresivni tumorji lahko pridobijo makrofage, ki jim pomagajo pri metastaziranju. Makrofagi, povezani z tumorjem, pomembno prispevajo k invaziji tumorja, pri čemer so cisteinske katepsin proteaze - encimi, ki razgrajujejo beljakovine v telesu - pomembni dejavniki.

Da bi razvili svoj napovedni indeks, je Plattova raziskovalna skupina uporabila variabilnost ekspresije makrofagov štirih vrst katepsina, katepsinov inhibitor cistatina C in nivojev aktivacije kinaze. Model, ki ga razvijamo že dve leti, smo izdelali s preučevanjem makrofagov iz populacije žensk, ki niso imele raka dojke. Platt in sodelavci Keon-Young Park in Gande Li so skupaj gojili standardno celično linijo raka dojke (MCF-7) z makrofagi, proizvedenimi iz monocitov, ki so jih darovale te ženske brez raka.

Nato so izmerili stopnjo invazivnosti, ki so jo olajšali makrofagi iz vsakega posameznega darovalca, tako da so rakaste celice in makrofage izpostavili kolagenskemu gelu, zasnovanemu za simulacijo tkiva dojk in merjenje, koliko celic je vdrlo. Medtem ko je dojka sestavljena iz številnih drugih tkiv, kolagen predstavlja največji delež in zagotavlja dobro mero agresivnosti celic, je dejal Platt.

Plattova ekipa je povezala stopnjo invazije skozi gel z kemičnimi signali, ki jih izražajo makrofagi. Raziskovalci so bili presenečeni zaradi velike variabilnosti pacienta-pacienta v makrofagni aktivnosti - variabilnost, ki bi lahko upoštevala razlike v izidu pri bolnikih, ki so prejemali podobna zdravljenja raka. Nivoi signalizacije in s tem povezane meritve invazije so bili uporabljeni za usposabljanje računalniškega modela, ki ga je razvila Plattova ekipa.

Raziskovalci so nato pridobili vzorce krvi, ki vsebujejo monocite, od devetih bolnikov, ki so bili zdravljeni zaradi raka dojke v medicinskem centru DeKalb, veliki bolnišnici v Atlanti. Izmerili so signale iz teh makrofagov in uporabili svoj model, ki je bil usposobljen za signalizacijo makrofagov in posledično invazivnost, da bi predvideli, kateri bolniki z rakom bodo imeli bolj invazivne vrste raka. Svoje predikacije so primerjali s tem, kar je zdravnik - dr. John Kennedy - navedel kot svojo začetno diagnozo.

"Na podlagi celic, ki smo jih dobili iz klinike, so bile tiste, za katere je bilo predvideno, da bodo imele največji potencial za invazijo, tiste, ki so povzročile najbolj invazivno obliko raka dojke pri bolnikih," je dejal Platt.

Čeprav študija ni mogla upoštevati morebitnih razlik v trajanju rasti rakavih obolenj, so se dobro ujemali z opazovanji. V prihodnjih raziskavah Platt upa, da bo sledil ženskam pet let, da bi ugotovil, ali so napovedi modela povezane z ponovitvijo raka. Načrtuje tudi razširitev modela z dodatnimi podatki o makrofagih in testiranje proti dodatnim vzorcem krvi.

"Več informacij, ki jih boste dali modelu, bližje boste do napovedi," je dejal. "Mislimo, da je to zelo velik začetek."

Moč te tehnike, meni Platt, je, da meri, kaj se dogaja na ravni, kjer je rak metastaziral.

"Merimo na ravni aktivnosti teh znotrajceličnih encimov in končno aktivnost proteaz, ki jih proizvajajo, ki niso samo biomarkerji tumorja, ampak tudi pomagajo pri rasti tumorja," je dejal. "Vse o nas je drugačno. Naša genetika je drugačna in naši življenjski slogi so različni, zato morajo zdravniki sprejemati odločitve v vsej tej variabilnosti. Vse te razlike je mogoče izmeriti in zajeti v tem izhodu."

Platt verjame, da bi tehnika lahko nekega dne privedla do preprostega krvnega testa, ki bi zagotovil informacije, koristne pri pripravi priporočil za terapijo. Test lahko pomaga tudi pri določanju, katere ženske je treba bolj pozorno spremljati, da bi odkrili začetke raka.

"To skupaj dokazuje načelo, da lahko osebne informacije, pridobljene z minimalno invazivnimi odvzemi krvi, zagotovijo koristne informacije za informiranje onkologov in bolnikov o invazivnem / metastatskem tveganju, pomagajo pri odločanju o radikalni mastektomiji ali blažjih, konzervativnih terapijah za reševanje bolnikov od kirurško okrevanje, «je zapisal v članku.