德克薩斯大學 MD 安德森癌癥中心的研究人員開發(fā)了一種新的生物信息學平臺，該平臺可以根據同時發(fā)生的腫瘤變化預測特定患者組的最佳治療組合。在回顧性驗證研究中，該工具選擇了能夠改善臨床前和臨床研究中患者預后的組合。
該研究結果由首席研究員、生物信息學和計算生物學助理教授 Anil Korkut 博士在美國癌癥研究協會 (AACR) 2022 年年會上發(fā)表。該研究結果今天也發(fā)表在《癌癥發(fā)現》雜志上。
該平臺名為REcurrent Features LEveraged for Combination Therapy(REFLECT)，集成了機器學習和癌癥信息學算法來分析生物腫瘤特征——包括基因突變、拷貝數變化、基因表達和蛋白質表達異常——并識別常見的同時發(fā)生的改變可以被多種藥物靶向。
“我們的最終目標是讓精準腫瘤學更有效，并為患者創(chuàng)造有意義的利益，”Korkut 說。“我們相信 REFLECT 可能是一種工具，可以通過促進發(fā)現和選擇與腫瘤分子組成相匹配的聯合療法來幫助克服該領域當前的一些挑戰(zhàn)。”
靶向療法改善了許多癌癥患者的臨床結果，但針對單一靶點的單一療法通常會導致治療耐藥。癌細胞經常依賴共同發(fā)生的改變，例如兩條信號通路的突變，來驅動腫瘤進展。Korkut 解釋說，越來越多的證據表明，同時識別和定位這兩種改變可以增加持久的反應。
在 Korkut 和博士后研究員 Xubin Li 博士的帶領下，研究人員構建并使用 REFLECT 工具開發(fā)了一種系統(tǒng)且公正的方法，以將患者與最佳組合療法相匹配。
他們使用 REFLECT 分析了來自 MD Anderson 和公開來源的泛癌數據集，包括治療前的患者腫瘤樣本、細胞系和患者衍生的異種移植物 (PDX)，代表了 10,000 多名患者和 33 種癌癥類型。這產生了 201 個患者隊列，每個隊列都由一個可治療的生物標志物定義，例如EGFR突變或 PD-L1 過表達。
在每個隊列中，該團隊生成了可能成為可操作治療目標的其他改變的 REFLECT 特征，從而指出可能受益于特定聯合療法的子隊列。在所有隊列中，研究人員共確定了 2,166 種組合，其中至少有一種食品和藥物管理局批準的藥物與同時發(fā)生的變化相匹配。總共有 45% 的納入初步分析的患者與至少一種聯合治療相匹配。
研究人員通過對公開可用的臨床前和臨床研究的回顧性分析驗證了 REFLECT 方法，將這些試驗中使用的 REFLECT 匹配組合與該工具不匹配的組合進行了比較。
在 PDX 模型的臨床前試驗中，REFLECT 匹配組合的中位腫瘤體積減少了 34.5%，而非匹配組合增加了 5.1%。同樣，匹配組合的無進展生存期(PFS)更高。研究人員還證明了 REFLECT 組合相對于其他組合的協同得分更高，這是使用最高單劑 (HSA) 模型定義的。
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯系刪除！