DrugLogics

& PRESORT: Bruk av datamodellering for å finne beste legemiddelkombinasjon for hver kreftpasient

I nær fremtid vil onkologer kunne bruke data fra hundrevis av genomiske og proteomiske analyser for å skreddersydde behandling til pasientens spesifikke kreft. Nå er det alt for dyrt og tidkrevende å søke i disse enorme databasene etter effektive legemiddelkombinasjoner til at det kan brukes i behandling. I stedet låner forskere teknikker fra ingeniørfag og datamodellering til å utvikle et nytt felt av systembiologi for å finne potensielle behandlinger for dem.

– Det er litt som å prøve å forutsi været, sier dr. Åsmund Flobak, hovedforsker i DrugLogics, et partnerprosjekt i Senter for digitalt liv Norge, og beskriver datasimuleringene han har designet for å forstå hvordan en celle vil reagere på behandlingen. – Vi har sett hvordan mange av signalmekanismene og nettverkene fungerer i andre celler, og vi kan måle når noen av proteinene er aktive eller undertrykt, men vi vet ennå ikke hvordan vi skal sette det sammen for å forutsi hvilke medisiner som vil være effektive.

Som onkolog var Flobak frustrert over medisiner som hjalp noen pasienter, men ikke andre, og ønsket å forstå hvorfor. Han bestemte seg for å bruke sin kunnskap som systemingeniør for å utvikle dataprogrammer for å løse dette biologiske problemet. I dag testes nesten alt fra medisinsk utstyr til fly i datasimuleringer før de kommer på markedet. Flobak og DrugLogics bruker samme type modellering av cellefunksjon for å finne den beste kreftbehandlingen for en pasient.

Simuleringer av cellefunksjon blir ikke bedre enn de eksisterende genomiske og proteomiske dataene de er basert på. Dr. Astrid Lægreid, den andre halvparten av DrugLogics ledelse, forklarer at en av utfordringene med å gjøre DrugLogics bredt anvendelig er ufullstendige databaser eller databaser som inneholder data fra utvalgte pasientpopulasjoner. DrugLogics-teamet løser disse begrensningene ved å sammenlikne resultatene fra modellene sine med eksperimentelle resultater fra kreftcellelinjer og pasientprøver i laboratoriet. Lægreid jobber med Kreftforeningen for å involvere pasienter og pårørende for å sikre at resultatene av studien er inkluderende og gjøres i samsvar med beste praksis for ansvarlig forskning og innovasjon (responsible research and innovation – RRI). Neste trinn er å validere resultatene på celleprøver og bekrefte om pasienter reagerer på behandlinger på samme måte.

For å finne ut hvordan de skal implementere disse persontilpassede kreftbehandlingene, startet Flobak og Lægreid PRESORT-prosjektet. Der begynner de med å ta biopsier med levende kreftceller fra en kreftpasient og identifiserer biomarkører. Disse biomarkørene brukes til å kalibrere datamodellene som foreslår et legemiddel eller kombinasjon av legemidler for pasienten. En høyhastighetsrobot validerer deretter disse toppkandidatene på pasientens levende kreftceller. Flobak og Lægreid jobber for tiden med legemidler mot tykktarmskreft, men håper å kunne bruke denne modellen til å identifisere nye bruksområder for disse og andre godkjente medisiner. PRESORTs langsiktige mål er å lage et funksjonelt validerte system for fullstendig individualisert kreftbehandling.

PRESORT-prosjektet: Tumormateriale tas fra pasienter ved hjelp av biopsi. Proteomiske, transkriptomiske og genomiske biomarkørdata føres inn i DrugLogics’ modell, sammen med kunnskap om kreftsignalisering. Maskinlæringsalgoritmer optimaliserer beregningsmodellene. Samtidig dyrkes pasientens kreftceller, og testes så for et begrenset antall medisiner som datasimuleringen har sagt skal være effektive. Resultatene kan brukes til klinisk beslutningsstøtte.

Å  utvikle modellene i DrugLogics og PRESORT og gjøre dem tilgjengelige for pasienter, krever globalt samarbeid. Databasene må forbedres, men en liknende proteomisk database og innspill fra farmasøytiske selskaper er også nødvendig. Å modellere hele cellen, hele svulsten og til slutt hele kroppen, for å designe skreddersydde behandlinger er en utfordring, men vil være enormt nyttig for mennesker med tykktarmskreft, betennelsessykdommer og potensielt til og med den neste pandemien. – Til slutt må vi gjøre det bedre enn værmeldinger, og gitt hvor vanskelig det er å forutsi været er, krever dette store forskningssamarbeid, sier Flobak.

Se denne YouTube-videoen der Flobak forklarer hvordan datasimulering kan brukes til å søke gjennom millioner av legemiddelkombinasjoner for å finne den riktige kombinasjonen for hver enkelt kreftpasient. 

Prosjektinformasjon

  • Kategori:
    Helse
  • Varighet:
    Juni 2020–juni 2023
  • Støtte:
    NTNU Helse, Norges forskningsråd
  • Institusjon:
    NTNU
  • Assosiert prosjekt

Prosjektleder

Astrid Lægreid

Profil

Prosjektleder

Åsmund Flobak

Profil

Partnere

SINTEF

Eksterne ressurser

Druglogics Effective Cancer Drug Combinations one-pager

DrugLogics prosjektetside på ntnu.no

  • Aktivitet

Aktivitet