Neuer Ansatz sagt das Ansprechen einer Chemotherapie bei Patientinnen mit dreifach negativem Brustkrebs besser voraus

Forscher am MD Anderson Cancer Center der University of Texas haben einen neuen Berechnungsansatz entwickelt, der Veränderungen in der Genexpression innerhalb von Tumoren im Verhältnis zu ihrer einzigartigen Mikroumgebung besser berücksichtigen soll. Dieser Ansatz übertraf aktuelle Methoden zur Vorhersage des Ansprechens auf eine Chemotherapie bei Patientinnen mit dreifach negativem Brustkrebs (TNBC).

Das neue Tool, das von Wenyi Wang, Ph.D., Professor für Bioinformatik und Computational Biology, und Kollegen entwickelt wurde, wurde heute in veröffentlicht Zellberichte Medizin. Ziel ist es, ähnliche Methoden zur Vorhersage von Behandlungsreaktionen mithilfe eines als Dekonvolution bekannten Ansatzes zu verbessern, bei dem zelluläre Unterschiede aufgeschlüsselt, berechnet und interpretiert werden. Dieser Ansatz brachte auch neue Einblicke in die Merkmale von TNBC auf Bevölkerungsebene.

Dekonvolutionsstrategien sind keine Einheitslösung. Wir konzentrieren uns darauf, diese Methoden für Forscher ohne umfassende Computerkenntnisse zugänglicher zu machen, mit dem Ziel, diese leistungsstarken Analyseansätze in praktische Werkzeuge umzusetzen, die die breitere Krebsforschungsgemeinschaft problemlos zur Weiterentwicklung der Präzisionsmedizin einsetzen kann.“

Wenyi Wang, Ph.D., Professorin für Bioinformatik und Computational Biology, MD Anderson Cancer Center der University of Texas

Welche Instrumente stehen Forschern derzeit zur Verfügung, um Behandlungsergebnisse vorherzusagen?

Da Wang und Kollegen wussten, dass viele Rechenwerkzeuge verfügbar sind, haben sie kürzlich einen umfassenden Leitfaden veröffentlicht, der 43 dieser Entfaltungsmethoden detailliert beschreibt. Ihr Ziel war es, Forschern ohne umfangreiche Computerkenntnisse dabei zu helfen, zu verstehen, welche Methode für ihre studienspezifischen Ziele am besten geeignet sein könnte.

Während bestehende Klassifizierungsstrategien die Zellzusammensetzung messen, berücksichtigen sie jedoch nicht die Veränderungen, die in der Genexpression innerhalb von Tumoren in Bezug auf ihre einzigartige Mikroumgebung auftreten.

Um dieses Problem anzugehen, arbeiteten die Forscher mit MD Andersons Institute for Data Science in Oncology (IDSO) und der Abteilung für Brustmedizinische Onkologie zusammen, um eine integrative Massenanalyse zu entwickeln, die auch die tumorspezifische Gesamt-mRNA-Expression (TmS) berücksichtigt. Dieser Ansatz berücksichtigt das Verhältnis von Tumorzellen zu Nicht-Tumorzellen, um krebsspezifische Mechanismen zu identifizieren.

Während bei normalen Zellen die mRNA-Expression direkt proportional zur Chromosomenzahl ist, weisen Krebszellen eine abnormale Chromosomenzahl auf. Der TmS-Biomarker berücksichtigt dies und erklärt Veränderungen der Genexpression im Verhältnis zur Chromosomenzahl in Krebszellen. Dieser Biomarker trägt außerdem zu Veränderungen der RNA-Aktivitäten in Zellen der Tumormikroumgebung im Vergleich zu Tumorzellen bei.

Was haben die Forscher bei der Verwendung des TmS-Biomarkers herausgefunden?

In einem Datensatz von 575 Patienten mit TNBC aus ethnisch unterschiedlichen Kohorten konnte der TmS-Biomarker Patienten genau in Patienten mit hohem TmS bzw. günstiger Prognose und niedrigem TmS bzw. schlechter Prognose einteilen.

Der Biomarker übertraf aktuelle Methoden zur Vorhersage des Ansprechens auf eine Chemotherapie und unterstreicht sein Potenzial als effektiver Ausgangspunkt für die Patientenstratifizierung zur Optimierung der Behandlungsauswahl.

Wichtig ist, dass dieser prognostische Biomarker für alle Bevölkerungsgruppen gilt und gleichzeitig hervorhebt, dass es wesentliche Unterschiede in der Tumormikroumgebung westlicher und asiatischer ethnischer Gruppen mit hohem TmS gibt, die es Ärzten ermöglichen könnten, auch zusätzliche Behandlungen auszuwählen, die für jede Bevölkerung wahrscheinlich effektiver wirken.

Während eine weitere Validierung erforderlich ist, um dieses Tool in der Klinik voranzutreiben, deuten diese Ergebnisse darauf hin, dass der TmS-Biomarker ein vielversprechender Ansatz zur Optimierung der Behandlungsauswahl für verschiedene Bevölkerungsgruppen ist.

Quellen: