Cercetările privind medicamentele împotriva cancerului sunt de obicei testate împotriva celulelor tumorale în condiții de laborator controlate. Dar în interiorul corpului, acele celule există într-un ecosistem mult mai complicat – unul care include nutrienți, metabolite, celule imune și, în special în cancerul colorectal, o comunitate diversă de microbi.
Un nou cadru computational își propune să aducă o parte din acea complexitate în descoperirea medicamentelor împotriva cancerului prin predicția modului în care microbiomul poate altera eficacitatea terapiilor anticancer.
Cercetătorii au combinat învățarea automată cu modelarea metabolică la scară genomului pentru a identifica combinații de medicamente potențial eficiente, luând în considerare interacțiunile dintre celulele de cancer colorectal (CRC), terapii și microbi. Abordarea, numită Onco-Microbiome-GEM-ML (OMG-ML), ar putea ajuta în cele din urmă cercetătorii să identifice terapii adaptate nu doar caracteristicilor moleculare ale unei tumori, ci și microbiomului pacientului. Această cercetare este publicată în Cell Reports Methods.
„Celulele canceroase nu sunt doar pe cont propriu,” a declarat autorul principal Sriram Chandrasekaran, doctor în științe, de la Universitatea Michigan, pentru Inside Precision Medicine. „Există o serie bogată de microbi în colon, microbiom, iar mediul metabolic în sine este destul de complex.”
Scopul a fost de a dezvolta un model virtual care să captureze mai bine interacțiunile complexe dintre celulele canceroase, microbiom, mediul metabolic și medicamentele utilizate pentru tratarea tumorii.
Compoziția microbiomului variază considerabil între pacienți și a fost asociată cu diferențe în progresia cancerului, rezistența la chimioterapie și rezultatele tratamentului. Un organism de interes special în CRC este Fusobacterium nucleatum (F. nucleatum sau Fn), un comensal oral care este rar în colonul sănătos, dar frecvent îmbogățit în tumori colorectale.
Deoarece microbii pot altera metabolismul celulelor canceroase, cercetătorii au presupus că aceste schimbări metabolice ar putea revela vulnerabilități terapeutice care ar putea să nu fie evidente atunci când celulele canceroase sunt studiate singure.
OMG-ML combină modele metabolice la scară genomului, care reprezintă metabolic reacțiile în celule și microbi, cu învățarea automată. Modelul a fost antrenat pe 6.514 combinații de medicamente testate în linii celulare CRC fără microbi și apoi extins pentru a prezice interacțiunile medicamentelor atunci când anumiți microbi erau prezenți.
„Pentru acest articol ne-am uitat la mai multe terapii existente pentru a vedea dacă poți potrivi mai bine terapiile existente cu cancerul și, în același timp, să iei în considerare microbiomul implicat,” a spus Chandrasekaran.
Modelul a identificat mai multe combinații potențial sinergice, inclusiv cabazitaxel plus acetat de megestrol. De asemenea, a prezis că metotrexatul și fluorouracilul ar putea deveni mai eficiente în prezența F. nucleatum. Alte medicamente, inclusiv talidomidul și pralatrexatul, au prezentat efecte care variau în funcție de speciile microbiene prezente.
Astfel de diferențe ar putea susține în cele din urmă
Sursa articol https://insideprecisionmedicine.com
Senior Editor RevistaSanatatii.ro. Pasionat de lifespan, fan David Sinclair.
