Forscher der Life Sciences Research Unit (LSRU) der Universität Luxemburg haben ein Computermodell entwickelt, das den Stoffwechsel von Krebszellen simuliert. Sie nutzten das Programm, um zu erforschen, wie Kombinationen verschiedener Medikamente effektiver eingesetzt werden können, um dem Wachstum von Tumoren entgegenzuwirken. Ihre Ergebnisse veröffentlichten die Wissenschaftler nun in der von der renommierten Lancet-Gruppe herausgegebenen Fachzeitschrift EBioMedicine.
Der Stoffwechsel von Krebszellen ist optimiert, um ein möglichst schnelles Wachstum der Tumore zu ermöglichen. „Ihr Stoffwechsel funktioniert viel einfacher als der von gesunden Zellen, da sie nur auf Wachstum ausgerichtet sind. Allerdings sind sie dadurch auch anfälliger für Störungen in der Kette chemischer Reaktionen, von der die Zellen abhängig sind. Während gesunde Zellen auf andere Routen ausweichen können, wenn ein Stoffwechselweg deaktiviert ist, ist das für Krebszellen schwieriger“, erklärt Prof. Thomas Sauter, Professor für Systems Biology und der Hauptautor der Arbeit. „In unserer Studie haben wir untersucht, wie man mit Medikamenten oder Medikamentenkombinationen in Krebszellen bestimmte Proteine abschalten und somit den Stoffwechsel der Zelle unterbrechen kann.“
Digitale Modelle von gesunden und krebskranken Zellen
Die Forscher erstellten digitale Modelle von gesunden sowie von krebskranken Zellen und fütterten sie mit Gensequenzierungsdaten von 10.000 Patienten des Cancer Genome Atlas (American National Cancer Institute) des TCGA (NCI). Anhand der Modelle konnten die Forscher die Effekte verschiedener Wirkstoffe auf den Stoffwechsel der Zellen simulieren und somit diejenigen Medikamente identifizieren, die das Krebswachstum hemmen, ohne gesunde Zellen anzugreifen. Die Modelle machen es möglich, ineffektive oder toxische Medikamente herauszufiltern, sodass nur die erfolgversprechenden im Labor getestet werden.
Mithilfe der Modelle testeten sie etwa 800 Medikamente, von denen 40 eine krebswachstumshemmende Wirkung haben sollten. Etwa 50 Prozent dieser Medikamente waren bereits als Krebstherapeutika bekannt, aber 17 davon sind bisher nur für andere Behandlungen zugelassen. „Unser Tool kann beim sogenannten ‚Drug Repositioning‘ hilfreich sein – ein Prozess, in dem neue therapeutische Zwecke für bestehende Medikamente gefunden werden. Dadurch könnten Kosten und Zeit, die in der Medikamentenentwicklung anfallen, deutlich reduziert werden“, so Sauter.
Der besondere Vorteil der Vorgehensweise liegt in der Effizienz seiner mathematischen Methode. „Es ist uns gelungen, innerhalb einer Woche 10.000 Patientenmodelle zu erstellen, ohne High-Performance-Computing einzusetzen. Das ist außergewöhnlich schnell“, ergänzt Dr. Maria Pacheco, Postdoktorandin und Erstautorin der Studie. Dr. Elisabeth Letellier, Principal Investigator der Molecular Disease Mechanisms Group an der Universität und Mitautorin der Studie, ergänzt: „In Zukunft können wir so individuelle Modelle einzelner Krebspatienten erstellen und Medikamente virtuell testen, um die wirksamste Kombination zu ermitteln. Patienten, bei denen sich bekannte Therapien als unwirksam erwiesen haben, könnte so neue Hoffnung gegeben werden.“
Bisher seien die Modelle nur für Darmkrebs getestet worden, aber der Algorithmus sei grundsätzlich auf alle Arten von Krebs anwendbar, so Sauter. Mit seinem Team überlegt er derzeit, kommerzielle Anwendungen der Methode zu entwickeln.
Link to the publication: „Identifying and targeting cancer-specific metabolism with network-based drug target prediction„, EBioMedicine, May 2019
Photo : © iStock