癌症治疗新平台优化的选择组合

德克萨斯大学MD安德森癌症中心的研究人员已经开发出一种新的生物信息学平台,预测最优治疗组合对于一个给定的基于共病组患者肿瘤病变。在回顾性验证研究中,所选择的工具组合,导致改善患者在临床前和临床研究结果。

研究结果于今天在美国癌症研究协会(AACR) 2022年年会Anil Korkut首席研究员,博士,生物信息学和计算生物学助理教授。研究结果也发表在今天癌症的发现。

平台,叫做用于联合治疗复发性特性(反映),机器学习和癌症信息学集成算法来分析生物肿瘤的特色服务基因突变拷贝数的变化,基因表达和蛋白质表达精神失常和识别频繁共病的变化可以由多个药物目标。

“我们的最终目标是让精密肿瘤更有效和创建有意义的病人受益,”Korkut说。“我们相信反映可能是其中一个工具,可以帮助克服一些当前的挑战领域通过促进联合疗法的发现和选择匹配的分子组成肿瘤。”

靶向治疗改善临床结果对许多癌症患者,但对单个目标往往会导致单方治疗抵抗。癌细胞经常依赖共病的变化,如基因突变在两个信号通路,驱动肿瘤恶化。越来越多的证据表明,同时识别和目标变化可能会增加耐用反应,Korkut解释道。

由Korkut和博士后Xubin Li博士研究人员建立和利用反映工具开发了一个系统的和客观的方法来匹配患者最佳组合疗法。

使用反映,他们分析了pan-cancer MD安德森和公开来源的数据集,包括预处理病人肿瘤样本,细胞株和patient-derived异种移植(pdx),代表10000多名患者和33岁的癌症类型。这个生成的201病人群,每个定义为一个治疗可行的生物标志物,如表皮生长因子受体突变或PD-L1超表达。

在每个队列,团队反映签名生成额外的改变可能是可行的治疗靶点,因此指着sub-cohorts可能受益于特定的联合疗法。在所有人群,研究人员发现了一个2166的组合,至少有一个食品和药物管理局批准了代理,匹配共病的变化。总的来说,45%的病人包括在最初的分析至少匹配一个组合治疗。

研究人员验证了反映公开的方法通过回顾性分析临床前和临床研究用于这些试验,比较REFLECT-matched组合组合不匹配的工具。

在临床前试验PDX模型,REFLECT-matched组合平均肿瘤体积减少了34.5%,而未匹配组合增加了5.1%。同样的,无进展生存(PFS)更高的匹配与组合。研究者还演示了一个更高的协同分数反映组合相对于其他人来说,使用最高的单剂定义(HSA)模型。

研究人员还在临床回顾性验证的方法通过可用的数据我预测试验,评估许多联合疗法跨不同癌症类型。病人在这个实验中,收到了组合预测的反映是有显著延长PFS和最有利的总体存活率比其他组合。

在这项研究中,研究小组还开发了一个详细的地图的致癌与特异性免疫特性的改变。这张地图显示许多常见变化与免疫疗法经常共现响应标记,如DNA损伤修复缺陷和监管机构水平的特殊的表观遗传变化。研究结果表明,治疗目标这些途径应该进一步研究改善免疫治疗方案的反应。

“虽然反映的仍然是一个概念,需要额外的验证,我们期待一个很好的机会将这项工作转化为真正的临床益处,”Korkut说。“未来,multi-omic概要文件从预处理患者样本可以加载到反映管道产生co-alteration签名,允许医生考虑精度联合疗法根据分子的患者。”

在未来,这种方法将受益于改进的信息资源,更好的配合治疗在RNA和蛋白质水平变化,Korkut解释道。此外,研究人员计划扩大他们的研究更好的解决和预测从匹配毒性的药物组合。最后,未来的研究还将寻求解决肿瘤内显著的异质性,从而影响对靶向治疗的反应。