Multi-Omics Profiling and CRISPR Dependency Screening Identify WEE1 Inhibition and Rational BET Inhibitor Combinations as a Therapeutic Strategy for Triple-Negative Breast Cancer
Obwohl die Multi-Omics-Integration und KI-gestützte Wirkstoffvorhersage anfänglich einen IGF1R/PIK3CA/BET-Achsen als therapeutisches Ziel für den triple-negativen Brustkrebs hervorhoben, widerlegten nachfolgende CRISPR-Abhängigkeitsscreenings und klinische Validierungen diese Knotenpunkte und enthüllten die WEE1-Inhibition sowie die Kombination von Mitoxantron mit BET-Inhibitoren als die überlegene, funktionell validierte therapeutische Strategie.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Brustkrebs ist nicht eine einzige Krankheit, sondern eine Sammlung vieler verschiedener Zustände, die zufällig denselben Namen tragen. Unter diesen ist der triple-negative Brustkrebs der aggressivste und am schwierigsten zu behandelnde. Er wird als „triple-negativ“ bezeichnet, weil den Krebszellen drei spezifische Proteine fehlen, die Ärzte normalerweise mit Medikamenten angreifen: Östrogenrezeptoren, Progesteronrezeptoren und ein Protein namens HER2. Ohne diese Zielstrukturen sind die Standard-Hormontherapien, die bei anderen Arten von Brustkrebs wirken, nutzlos. Über Jahrzehnte hinweg war die einzige Option die Chemotherapie, die alle sich schnell teilenden Zellen angreift, aber oft daran scheitert, das Wiederauftreten des Krebses zu verhindern. Da die Zellen bei dieser Krankheit von Patient zu Patient so unterschiedlich sind, war es für Wissenschaftler eine große Herausforderung, einen neuen, präzisen Weg zu finden, um sie zu töten.
Um dies zu lösen, versuchten Forscher kürzlich einen neuen Ansatz, der massive Mengen biologischer Daten mit Computermodellierung kombiniert. Sie sammelten vier verschiedene Arten von Informationen von 186 Patienten mit diesem aggressiven Krebs: wie Gene an- oder ausgeschaltet werden, chemische Markierungen an der DNA, die die Genaktivität steuern, Veränderungen in der Anzahl der Genkopien und spezifische Mutationen im genetischen Code. Indem sie diese vier Informationsebenen miteinander verwebten, nutzte das Team eine Methode namens „Similarity Network Fusion“, um die Patienten in acht unterschiedliche molekulare Cluster zu gruppieren. Stellen Sie sich das wie das Sortieren eines gemischten Beutels voller Murmeln vor, bei dem man nicht nur nach der Farbe sortiert, sondern gleichzeitig auch nach Gewicht, Textur und innerer Struktur, wodurch Muster sichtbar werden, die ein einzelner Blick übersehen würde. Das Ziel war es, eine gemeinsame Schwachstelle zu finden, die allen diesen verschiedenen Gruppen gemeinsam ist – einen einzigen Punkt des Versagens, den man mit einem Medikament angreifen könnte.
Die Computeranalyse sagte voraus, dass eine spezifische Kette von Ereignissen innerhalb der Krebszellen der entscheidende Schwachpunkt sei. Diese Kette begann mit einem Wachstumssignal, bewegte sich durch einen Überlebenspfad und endete bei einem Mechanismus, der steuert, wie Gene abgelesen werden. Basierend auf dieser Vorhersage identifizierten die Forscher fünf Medikamente, die gegen alle Patientengruppen wirken sollten. Dazu gehörten Medikamente, die das anfängliche Wachstumssignal blockieren, Medikamente, die die DNA schädigen, und Medikamente, die das Ablesen genetischer Anweisungen stoppen. Der Computer deutete an, dass der Krebs stark auf diese gesamte Kette angewiesen sei, was sie zu einem perfekten Ziel für eine Therapie machte.
Als die Forscher diese Vorhersagen jedoch mit realen Daten und biologischen Experimenten testeten, änderte sich die Geschichte dramatisch. Sie untersuchten zuerst eine große, unabhängige Gruppe von 320 Patienten, um zu sehen, ob die an der vorhergesagten Kette beteiligten Gene tatsächlich für das Überleben wichtig waren. Die Ergebnisse zeigten, dass zwar ein Teil der Kette mit der Zeitspanne bis zum Rückfall des Krebses zusammenhing, dies jedoch nicht beeinflusste, ob die Patienten lebten oder starben.ت Wichtiger noch: Als sie die Krebszellen im Labor unter Verwendung eines leistungsstarken Gen-Editing-Werkzeugs testeten, um zu sehen, welche Gene absolut notwendig waren, damit die Zellen überleben, versagte die vorhergesagte Kette vollständig. Die Gene, von denen der Computer sagte, dass sie die wichtigsten Zielstrukturen seien, waren überhaupt nicht essenziell; die Krebszellen konnten völlig problemlos ohne sie weiterleben.
Anstelle der vorhergesagten Kette enthüllten die Experimente ein völlig anderes Gen, ohne das der Krebs nicht überleben konnte. Dieses Gen, genannt WEE1, fungiert als eine Art Sicherheitsbremse, die die Zellteilung stoppt, bis jegliche Schäden an ihrer DNA repariert wurden. Die Forscher fanden heraus, dass jede einzelne der 15 von ihnen getesteten Krebszelllinien vollständig von dieser Sicherheitsbremse abhängig war. Wenn sie WEE1 entfernten, starben die Zellen. Diese Abhängigkeit war sogar stärker als die Notwendigkeit anderer bekannter Krebsziele. Die Studie legt nahe, dass die ursprüngliche Vorhersage des Computers, obwohl mathematisch konsistent, die wahre biologische Realität verfehlte. Der Krebs verließ sich nicht auf die Wachstumssignale, die der Computer hervorgehoben hatte, sondern war statstattdessen durch sein eigenes Bedürfnis nach DNA-Reparatur gefangen.
Die Forscher untersuchten auch, was die beste Methode sei, um Medikamente zu kombinieren, um den Krebs zu töten. Sie fanden heraus, dass die Mischung eines Medikaments, das die DNA schädigt, mit einem Medikament, das das Ablesen genetischer Anweisungen blockiert, eine kraftvolle Wirkung erzeugte. Wenn das Ablesen der Gene blockiert wurde, verlor der Krebs die Fähigkeit, den durch das andere Medikament verursachten Schaden zu reparieren, was zu seiner Zerstörung führte. Diese Kombination funktionierte viel besser als die Anwendung eines der beiden Medikamente allein. Die Studie kommt zu dem Schluss, dass der Weg nach vorn zur Behandlung dieses schwierigen Krebses nicht darauf fokussieren sollte, die Wachstumssignale, die der Computer ursprünglich identifizierte. Stattdessen ist die vielversprechendste Strategie, die Sicherheitsbremse der DNA-Reparatur zu deaktivieren und dies mit Behandlungen zu kombinieren, die die DNA schädigen – ein Ansatz, den die Daten stark als lebensfähigen Weg für zukünftige Therapien unterstützen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.