L’un des domaines les plus prometteurs de la recherche sur le cancer chez l’homme est l’étude de la transduction du signal, ou signalisation cellulaire. La communication entre les cellules du corps et à l’intérieur de celles-ci est réalisée par transduction du signal, car des stimuli générés dans une partie d’un organisme se déplacent à travers le système circulatoire et initient une réponse dans des cellules cibles spécifiques.
Au fur et à mesure que les cellules mutent, elles peuvent affecter ces réseaux de signalisation, provoquant la formation et la croissance du cancer. Les traitements anticancéreux tels que la chimiothérapie et la radiothérapie attaquent toutes les cellules en croissance active, pas seulement les cellules cancéreuses.
Cependant, en comprenant mieux les voies de signalisation qui sont hyperactives dans les cellules cancéreuses, les scientifiques peuvent développer des traitements qui ciblent uniquement les cellules cancéreuses, en épargnant les cellules normales. Ce type de traitement ciblé, qui bloque les signaux favorisant la croissance des cellules cancéreuses, a le potentiel de tuer les cellules cancéreuses plus efficacement tout en évitant les effets secondaires nocifs.
Parce que le cancer est une maladie si compliquée, les possibilités mathématiques d’interactions protéiques et de combinaisons de médicaments qui pourraient bloquer les signaux dans le corps humain qui favorisent la croissance incontrôlée des cellules cancéreuses peuvent être écrasantes, et le comportement de ces réseaux est difficile à prédire.
Les chercheurs utilisent des modèles mathématiques pour prédire plus précisément comment certains médicaments inhiberont la croissance des cellules cancéreuses et utilisent ces prévisions pour développer les combinaisons de médicaments les plus efficaces pour traiter des cancers spécifiques.
Le biologiste des systèmes informatiques Richard Posner, professeur au département des sciences biologiques de la Northern Arizona University, a reçu une subvention de renouvellement de 1,4 million de dollars des National Institutes of Health (NIH) pour continuer à développer des outils logiciels pour modéliser les voies du cancer responsables de la signalisation aberrante de la croissance et de la prolifération. .
La modélisation d’un réseau de régulation cellulaire est un défi car le nombre d’espèces moléculaires dans ces réseaux est trop important pour utiliser les approches de modélisation traditionnelles. Normalement, les chercheurs ont besoin d’une équation pour chaque composant moléculaire qu’ils suivent. Mais dans un réseau cellulaire, le nombre de composants est trop important pour être noté à la main. Notre logiciel permet à un modélisateur de décrire les interactions moléculaires à un niveau élevé en termes de règles et cette description basée sur des règles est ensuite automatiquement transformée en équations par le logiciel. «
Richard Posner, Calcul Systèmes Biologue et professeur, Département des sciences biologiques, Université du nord de l’Arizona
Posner a ajouté: « Dans les travaux futurs, nous nous concentrerons sur de nouveaux outils pour apprendre les paramètres de modèle à partir de données, ce qui est difficile car les problèmes pratiques nécessitent des algorithmes évolutifs qui ne sont pas disponibles dans les boîtes à outils existantes. Nous essayons de fournir des solutions. »
Posner et le biologiste des systèmes informatiques William « Bill » Hlavacek de la Division théorique du Los Alamos National Laboratory sont les principaux chercheurs du projet de recherche « Hardening Software for Rule-based Modeling », qui a débuté en mai 2014 avec une subvention de 1,34 million de dollars du Institut national des sciences médicales générales du NIH.
Le projet a été récemment renouvelé jusqu’en avril 2024 avec le financement supplémentaire, qui soutiendra les améliorations du progiciel PyBioNetFit et des outils associés que Posner et Hlavacek ont développés pour la modélisation basée sur des règles.
Dans la modélisation basée sur des règles, les faits mécanistes sur les interactions protéine-protéine, les modifications post-traductionnelles et d’autres processus sont capturés sous forme de règles codées dans un langage formel semblable à un langage de programmation. « Les règles stipulent le contexte nécessaire pour que des interactions spécifiques se produisent et fournissent une représentation lisible par ordinateur de notre connaissance d’un système », a déclaré Posner.
Les outils de modélisation développés dans le cadre du projet en cours ont été utilisés par un certain nombre de groupes aux États-Unis et à l’étranger. Dans des travaux récents, Posner et Hlavacek ont collaboré avec Oleksii Ruhklenko et Boris Kholodenko de l’University College Dublin pour appliquer ces outils à la conception de combinaisons synergiques d’inhibiteurs de kinases qui suppriment la signalisation par les produits oncogènes mutants RAS et BRAF.
La modélisation a prédit qu’une paire d’inhibiteurs de kinase ciblant tous deux le mutant BRAF peut supprimer puissamment les signaux de croissance tant que les deux médicaments reconnaissent des conformations distinctes de la protéine, même si chaque médicament seul est inefficace.
Pour faire avancer ce travail, Matthew Salanga, professeur adjoint et biologiste du développement de la NAU, utilise un modèle de poisson zèbre pour le mélanome pour évaluer de nouvelles combinaisons d’inhibiteurs de kinases suggérées par les résultats de la modélisation.
La source:
Université du nord de l’Arizona
