Lekooporność komórek nowotworowych to jedno z największych wyzwań współczesnej onkologii. Pomimo dynamicznego rozwoju terapii przeciwnowotworowych, wiele guzów z czasem przestaje reagować na leczenie. Zespół naukowców z Korea Advanced Institute of Science and Technology (KAIST) zaprezentował właśnie nowatorskie narzędzie obliczeniowe, które może otworzyć nowy rozdział w terapii nowotworów. Ich podejście polega na wykorzystaniu symulacji metabolizmu komórkowego do identyfikacji genów, których wyciszenie może ponownie uwrażliwić oporne komórki rakowe na leki.
Z tego artykułu dowiesz się…
- Jak naukowcy z KAIST planują przełamać lekooporność komórek nowotworowych
- Na czym polega modelowanie metaboliczne i jak pomaga w identyfikacji celów terapeutycznych
- Jakie geny (GOT1, GPI, SLC1A5) zidentyfikowano jako kluczowe w odzyskiwaniu wrażliwości na leki
- Dlaczego nowe podejście może znaleźć zastosowanie nie tylko w onkologii, ale i w leczeniu innych chorób
Nowe podejście do problemu lekooporności
Zespół naukowy pod kierunkiem prof. Hyun Uk Kima i prof. Yoosika Kima z Wydziału Inżynierii Chemicznej i Biomolekularnej KAIST opracował ramy obliczeniowe, które pozwalają przewidzieć cele genów metabolicznych w komórkach raka piersi opornych na leki. Kluczowym elementem innowacji jest symulacja metabolizmu ludzkiego w komórkach nowotworowych, co pozwala zrozumieć, jakie zmiany biochemiczne prowadzą do rozwoju oporności.
Znaczenie tych badań leży w naszej zdolności do dokładnego przewidywania kluczowych genów metabolicznych, które mogą sprawić, że oporne komórki nowotworowe będą ponownie reagować na leczenie – przy użyciu jedynie symulacji komputerowych i minimalnych danych eksperymentalnych. Te ramy można szeroko stosować w celu odkrywania nowych celów terapeutycznych w różnych nowotworach i chorobach metabolicznych – podkreślił prof. Hyun Uk Kim.
GOT1, GPI i SLC1A5 – nowe cele molekularne
W badaniu zastosowano dane proteomiczne pochodzące z dwóch różnych linii komórkowych raka piersi MCF7, które wykazywały oporność na dwa szeroko stosowane leki chemioterapeutyczne – doksorubicynę i paklitaksel. Następnie, na podstawie modeli metabolicznych specyficznych dla tych komórek, przeprowadzono symulacje wyciszania (knockout) genów metabolicznych.
W wyniku analiz wskazano konkretne geny jako potencjalne cele terapeutyczne:
- GOT1 – w komórkach opornych na doksorubicynę,
- GPI – w komórkach opornych na paklitaksel,
- SLC1A5 – jako wspólny cel dla obu leków.
Zahamowanie ekspresji białek kodowanych przez te geny doprowadziło do ponownej wrażliwości komórek nowotworowych na działanie leków. Co istotne, efekt ten został powtórzony również w innych modelach komórkowych, co sugeruje szerokie zastosowanie metody.
Potencjał szerszego zastosowania
Technologia opracowana przez KAIST może znaleźć zastosowanie nie tylko w onkologii, ale także w leczeniu chorób metabolicznych, takich jak cukrzyca, oraz w terapii chorób neurodegeneracyjnych i zakaźnych. Jej atutem jest możliwość uzyskiwania precyzyjnych przewidywań terapeutycznych przy minimalnych kosztach eksperymentalnych, co znacząco przyspiesza badania przedkliniczne.
Metabolizm komórkowy odgrywa kluczową rolę w przypadku różnych nieuleczalnych chorób, w tym chorób zakaźnych i zwyrodnieniowych. Ta nowa technologia, która przewiduje zmiany regulacji metabolicznej, może służyć jako podstawowe narzędzie nie tylko w leczeniu opornego na leki raka piersi, ale także w przypadku szerokiego zakresu chorób, na które obecnie brakuje skutecznych terapii – zaznaczył prof. Yoosik Kim.
Publikacja w PNAS i skład zespołu badawczego
Rezultaty pracy badawczej zostały opublikowane 25 czerwca w prestiżowym czasopiśmie Proceedings of the National Academy of Sciences (PNAS). Współautorami publikacji są doktoranci JinA Lim i Hae Deok Jung. Projekt dowodzi, że integracja modelowania komputerowego z analizą danych biologicznych może znacząco przyczynić się do rozwoju personalizowanej medycyny i pokonać bariery obecne w klasycznej farmakoterapii.
👉 Wyniki oraz opis badań znajdziesz pod TYM LINKIEM
Główne wnioski
- Naukowcy z KAIST opracowali ramy obliczeniowe pozwalające przewidzieć geny metaboliczne odpowiedzialne za lekooporność w raku piersi.
- W badaniu zidentyfikowano trzy kluczowe cele terapeutyczne: GOT1 (oporność na doksorubicynę), GPI (oporność na paklitaksel) i SLC1A5 (wspólny cel dla obu leków).
- Eksperymentalne zahamowanie tych genów ponownie uwrażliwiło komórki nowotworowe na działanie leków przeciwnowotworowych.
- Technologia może mieć zastosowanie także w leczeniu cukrzycy, chorób zakaźnych i neurodegeneracyjnych, dzięki symulacjom opartym na metabolizmie komórkowym.
Źródło:
- Proceedings of the National Academy of Sciences
- KAIST (Korea Advanced Institute of Science and Technology)
