Multi-Omics Profiling and CRISPR Dependency Screening Identify WEE1 Inhibition and Rational BET Inhibitor Combinations as a Therapeutic Strategy for Triple-Negative Breast Cancer
Hoewel multi-omics integratie en AI-gestuurde medicijnvoorspelling aanvankelijk een IGF1R/PIK3CA/BET-as als therapeutisch doelwit voor triple-negatieve borstkanker aanwezen, weerlegden daaropvolgende CRISPR-afhankelijkheidsscreening en klinische validatie deze knooppunten, waarbij zij onthulden dat WEE1-inhibitie en Mitoxantrone gecombineerd met BET-inhibitoren de superieure, functioneel gevalideerde therapeutische strategie vormden.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Borstkanker is niet één enkele ziekte, maar een verzameling van vele verschillende condities die toevallig dezelfde naam delen. Onder deze condities is drievoudig negatieve borstkanker de meest agressieve en moeilijk te behandelen. Het wordt "drievoudig negatief" genoemd omdat de kankercellen drie specifieke eiwitten missen die artsen gewoonlijk met medicijnen aanpakken: oestrogeenreceptoren, progesteronreceptoren en een eiwit genaamd HER2. Zonder deze doelwitten zijn de standaard hormonale therapieën die werken voor andere soorten borstkanker nutteloos. Decennialang was de enige optie chemotherapie, die alle snel delende cellen aanvalt, maar vaak faalt in het stoppen van de terugkeer van de kanker. Omdat de cellen bij deze ziekte zo sterk variëren van patiënt tot patiënt, is het vinden van een nieuwe, precieze manier om ze te doden een grote uitdaging geweest voor wetenschappers.
Om dit op te lossen, probeerden onderzoekers onlangs een nieuwe aanpak die enorme hoeveelheden biologische gegevens combineert met computermodellering. Ze verzamelden vier verschillende soorten informatie van 186 patiënten met deze agressieve kanker: hoe genen aan- of uitgeschakeld worden, chemische labels op DNA die de genactiviteit controleren, veranderingen in het aantal kopieën van genen en specifieke mutaties in de genetische code. Door deze vier lagen informatie samen te weven, gebruikte het team een methode genaamd Similarity Network Fusion om de patiënten in acht verschillende moleculaire clusters te verdelen. Denk aan het sorteren van een gemengde zak knikkers, niet alleen op kleur, maar ook op gewicht, textuur en interne structuur tegelijkertijd, wat patronen onthult die een enkel oogmerk zou missen. Het doel was om een gemeenschappelijke zwakte te vinden die door al deze verschillende groepen heen gedeeld wordt, een enkel punt van falen dat met een medicijn aangepakt kan worden.
De computeranalyse voorspelde dat een specifieke keten van gebeurtenissen binnen de kankercellen de sleutel tot kwetsbaarheid was. Deze keten begon met een groeisignaal, bewoog door een overlevingspad en eindigde bij een mechanisme dat controleert hoe genen worden afgelezen. Op basis van deze voorspelling identificeerden de onderzoekers vijf medicijnen die tegen alle patiëntengroepen zouden werken. Dit omvatte medicijnen die het initiële groeisignaal blokkeren, medicijnen die DNA beschadigen en medicijnen die het aflezen van genetische instructies stoppen. De computer suggereerde dat de kanker zwaar leunde op deze volledige keten, wat het een perfect doelwit maakte voor therapie.
Echter, toen de onderzoekers deze voorspellingen testten tegen echte wereldgegevens en biologische experimenten, veranderde het verhaal drastisch. Ze keken eerst naar een grote, onafhankelijke groep van 320 patiënten om te zien of de genen die betrokken waren bij de voorspelde keten daadwerkelijk belangrijk waren voor de overleving. De resultaten lieten zien dat hoewel één deel van de keten verbonden was met hoe lang het duurde voordat de kanker terugkeerde, het niet invloed had op de vraag of patiënten leefden of stierven. Belangrijker nog, toen ze de kankercellen in het lab testten met een krachtige genbewerkingstool om te zien welke genen absoluut noodzakelijk waren voor de overleving van de cellen, faalde de voorspelde keten volledig. De genen die de computer als de belangrijkste doelwitten aanwees, waren helemaal niet essentieel; de kankercellen konden prima voortbestaan zonder hen.
In plaats van de voorspelde keten onthulden de experimenten een compleet ander gen waar de kanker niet zonder kon overleven. Dit gen, genaamd WEE1, werkt als een veiligheidsrem die cellen stopt met delen totdat ze eventuele schade aan hun DNA hebben hersteld. De onderzoekers ontdekten dat elke van de 15 kankercellijnen die ze testten, volledig afhankelijk was van deze veiligheidsrem. Als ze WEE1 verwijderden, stierven de cellen. Deze afhankelijkheid was zelfs sterker dan de behoefte aan andere bekende kankerdoelwitten. De studie suggereert dat de initiële voorspelling van de computer, hoewel wiskundig consistent, de ware biologische realiteit miste. De kanker leunde niet op de groeisignalen die de computer benadrukte, maar zat gevangen door haar eigen behoefte aan het repareren van DNA-schade.
De onderzoekers keken ook naar de beste manier om medicijnen te combineren om de kanker te doden. Ze vonden dat het mengen van een medicijn dat DNA beschadigt met een medicijn dat het aflezen van genetische instructies blokkeert, een krachtig effect creëerde. Wanneer het aflezen van de genetica werd geblokkeerd, verloor de kankercel haar vermogen om de schade veroorzaakt door het andere medicijn te herstellen, wat leidde tot de vernietiging ervan. Deze combinatie werkte veel beter dan het gebruik van elk medicijn alleen. De studie concludeert dat de weg vooruit voor de behandeling van deze moeilijke kanker niet moet focussen op de groeisignalen die de computer oorspronkelijk identificeerde. In plaats daarvan is de meest veelbelovende strategie het uitschakelen van de DNA-herstelveiligheidsrem en dit te combineren met behandelingen die de DNA beschadigen, een aanpak die de data sterk ondersteunt als een levensvatbaar pad voor toekomstige behandeling.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.