Big Data: Bessere Zelltherapien gegen Tumore
Wissenschaftler programmieren Zellen um und setzen sie als molekulare Computer ein
 |
Proben: Gezielte Therapie rückt näher (Foto: pixabay.com, fernando zhiminaicela) |
San Francisco/Princeton (pte001/30.11.2020/06:00) Das Finden von Medikamenten, die Krebszellen abtöten und normales Gewebe nicht schädigen, gilt als der Heilige Gral der Krebsforschung. Mit zwei Studien präsentieren Forscher der UC San Francisco http://ucsf.edu und der Princeton University http://princeton.edu nun Strategien zur Lösung. Sie setzen auf "intelligente" Zelltherapien, bei denen lebende Mittel so lange inaktiv bleiben, bis sie durch eine Kombination von Proteinen aktiviert werden, die nur in Krebszellen gemeinsam vorkommen.
Datenbanken als Schlüssel
Die biologischen Aspekte dieses allgemeinen Ansatzes wurden im Labor von Wendell Lim am Center for Synthetic Immunology bereits einige Jahre lang erforscht. Der neue Ansatz fügt jedoch dieser Arbeit durch die Kombination von neuestem Therapeutic Cell Engineering mit fortgeschrittenen Computermethoden eine leistungsstarke neue Dimension hinzu. Für eine in "Cell Systems" veröffentlichte Studie arbeiteten die Forscher mit Olga G. Troyanskaya vom Lewis-Sigler Institute for Integrative Genomics zusammen.
Mittels eines Ansatzes maschinellen Lernens hat das Team große Datenbanken mit Tausenden Proteinen analysiert, die in Krebszellen und normalen Zellen vorkommen. Im nächsten Schritt überprüften sie Millionen möglicher Proteinkombinationen. Ziel war die Erstellung eines Katalogs von Kombinationen, die eingesetzt werden konnten, um genau nur auf Krebszellen abzuzielen und die normalen Zellen nicht zu schädigen.
In einer weiteren in "Science" veröffentlichten Studie konnten die Forscher um Lim zeigen, wie sich diese rechnerisch ermittelten Proteindaten einsetzen lassen, um die Entwicklung wirksamer und hochselektiver Zelltherapien für Krebs voranzutreiben. Laut Lim beruhen derzeit die meisten Krebstherapien, auch die Zelltherapien, darauf, dass etwas blockiert oder abgetötet werden soll. "Wir wollten die Nuancierung und die Raffinesse erhöhen, die eine therapeutische Zelle trifft", so Lim.
Molekularer Sensor genutzt
Für den Forscher sind Zellen ähnlich wie molekulare Computer, die ihr Umfeld wahrnehmen und dann die gewonnenen Infos in das Treffen von Entscheidungen einbeziehen. Solide Tumore sind viel komplexer als Blutkrebs zu behandeln. Für ihre Bekämpfung ist laut Lim eine viel komplexere Lösung nötig. Bei der "Cell Systems"-Studie analysierten Ruth Dannenfelser und Gregory Allen öffentliche Datenbanken, um das Genexpressionsprofil von über 2.300 Genen bei normalen Zellen und Krebszellen zu untersuchen. Sie wollten herausfinden, welche Antigene bei der Unterscheidung nützlich sind. Mittels maschinellem Lernen wurden Treffer ermittelt und nachvollzogen, welche Antigene sich anhäuften.
Basierend auf dieser Genexpressionsanalyse haben die Wissenschaftler um Lim und Troyanskaya die Boolesche Logik auf Kombinationen von Antigenen angewandt, um herauszufinden, ob es möglich war, die Art und Weise deutlich zu verbessern, wie T-Zellen Tumore erkennen. Um zuvor festgelegte Anweisungen in die T-Zellen zu programmieren, wurde das System "synNotch" verwendet. Dabei handelt es sich um einen konfigurierbaren molekularen Sensor, der Finetuning der Programmierung von Zellen ermöglicht.
Um das immense Potenzial der gewonnenen Daten zu beweisen, wurde synNotch genutzt, um T-Zellen dahingehend zu programmieren, dass sie Nierenkrebszellen abtöteten. Diese Zellen verfügen über eine einzigartige Kombination der Antigene CD70 und AXL. Obwohl CD70 auch in gesunden Immunzellen vorkommt und AXL in gesunden Lungenzellen, töteten die T-Zellen nur die Krebszellen ab.
(Ende)| Aussender: | pressetext.redaktion |
| Ansprechpartner: | Moritz Bergmann |
| Tel.: | +43-1-81140-300 |
| E-Mail: | bergmann@pressetext.com |
| Website: | www.pressetext.com |
