L'un des plus grands obstacles dans le traitement du cancer est la résistance aux médicaments dans les cellules cancéreuses. Les efforts conventionnels se sont concentrés sur l'identification de nouvelles cibles médicamenteuses pour éliminer ces cellules résistantes, mais de telles approches peuvent souvent conduire à une résistance encore plus forte. Désormais, les chercheurs de Kaist ont développé un cadre informatique pour prédire les gènes métaboliques clés qui peuvent re-sensibiliser les cellules cancéreuses résistantes au traitement. Cette technique est prometteuse non seulement pour une variété de thérapies contre le cancer, mais aussi pour le traitement des maladies métaboliques telles que le diabète.
Le 7ème De juillet, Kaist (le président Kwang Hyung Lee) a annoncé qu'une équipe de recherche dirigée par les professeurs Hyun UK Kim et Yoosik Kim du Département de génie chimique et biomoléculaire avait développé un cadre de calcul qui prédit des cibles gènes métaboliques pour rerensiter la re-sensibilisation aux cellules de cancer du sein résistant aux médicaments. Ceci a été réalisé en utilisant un modèle de réseau métabolique capable de simuler le métabolisme humain.
En se concentrant sur les altérations métaboliques – caractéristiques clés dans la formation de la résistance aux médicaments – les chercheurs ont développé une approche basée sur le métabolisme pour identifier les cibles génétiques qui pourraient améliorer la réactivité des médicaments en régulant le métabolisme des cellules cancéreuses du sein résistantes aux médicaments.
L'équipe a d'abord construit des modèles de réseaux métaboliques spécifiques aux cellules en intégrant des données protéomiques obtenues à partir de deux types différents de lignées cellulaires de cancer du sein MCF7 résistantes aux médicaments: une résistante à la doxorubicine et l'autre à Paclitaxel. Ils ont ensuite effectué des simulations de knockout gènes * sur tous les gènes métaboliques et analysé les résultats.
En conséquence, ils ont découvert que la suppression de certains gènes pourrait rendre à nouveau des cellules cancéreuses auparavant résistantes aux médicaments anticancéreux. Plus précisément, ils ont identifié Got1 comme cible dans les cellules résistantes à la doxorubicine, GPI dans les cellules résistantes au paclitaxel, et SLC1A5 comme cible commune pour les deux médicaments.
Les prédictions ont été validées expérimentalement par la suppression des protéines codées par ces gènes, ce qui a conduit à la re-sensibilisation des cellules cancéreuses résistantes au médicament.
De plus, des effets de revensité cohérents ont également été observés lorsque les mêmes protéines ont été inhibées dans d'autres types de cellules cancéreuses du sein qui avaient développé une résistance aux mêmes médicaments.
Le professeur Yoosik Kim a fait remarquer: « Le métabolisme cellulaire joue un rôle crucial dans diverses maladies intraitables, y compris les conditions infectieuses et dégénératives. Cette nouvelle technologie, qui prédit les commutateurs de régulation métabolique, peut servir d'outil fondamental non seulement pour le traitement du cancer du sein résistant aux médicaments, mais également pour un large éventail de maladies qui manquent actuellement de thérapies efficaces. »
Le professeur Hyun UK Kim, qui a dirigé l'étude, a souligné: « L'importance de cette recherche réside dans notre capacité à prédire avec précision les gènes métaboliques clés qui peuvent rendre les cellules cancéreuses résistantes qui répondent à nouveau au traitement, en utilisant uniquement des simulations informatiques et des données expérimentales minimales. Ce cadre peut être largement appliqué pour découvrir de nouvelles cibles thérapeutiques dans diverses cancers et maladies métaboliques. »
L'étude, dans laquelle Ph.D. Les candidats Jina Lim et Hae Deok Jung de Kaist ont participé en tant qu'auteurs co-prirs, ont été publiés en ligne le 25 juin Actes de l'Académie nationale des sciences (PNA)un grand journal multidisciplinaire qui couvre la recherche de haut niveau en sciences de la vie, en physique, en ingénierie et en sciences sociales.
