| 내용 |
연구자들이 개별적인 종양들을 그것들을 가장 잘 죽일 수 있는 약물이나 약물 조합과 연결시킴으로써, 개인화된 암 치료를 보조할 수 있는 혁신적인 컴퓨터 체계를 개발했다. 그 연구는 어떤 암 종류에도 적용가능한 새로운 분석 플랫폼을 위한 개념 증명을 자세히 기술하고 위소장이장 신경내분비 종양(gastroenteropancreatic neuroendocrine tumors, GEP-NETs)에 대한 예측을 입증했다. GET-NETs는 전이되면 생존율이 낮은 드문 종류의 소화계 종양이다. 212명의 환자들로부터 나온 시료를 종합적으로 분석해서, 먼저 그들은 설사 암환자들에서 돌연변이를 일으키더라도 드문 주조절자(master regulators)라고 불리는 새로운 종류의 약물-표적을 확인하고, 그 활성을 특이적으로 역전시킬 수 있는 약물들을 예측했다. 놀랍게도, 종양을 개별적인 환자 기준에서 분석했음에도 불구하고, 그 알고리듬은 전이된 환자들의 거의 절반에서 같은 약물 mdash;Entinostat mdash;을 상위에 예측했다. 더 중요한 것은, 쥐에 이종이식된 종양에서 시험했을 때, 이 약물이 그 종양의 극적인 수축을 유도한 반면에, 효과가 부분적이거나 없을 것으로 예측된 약물들은 예측과 비슷한 결과를 내는 것으로 확인됐다. 이 결과는 현재 진행중이며 환자를 모집하고 있는 전이성 GEP-NET 임상 시험을 위해 FDA가 승인한 신속한 시험용 신약(Investigational New Drug, IND)로 이어졌다. 이 논문에서 제안된 그 혁신적인 접근법 OncoTreat은 이제 뉴욕주 보건부가 승인한 시험으로 이용가능하다. 그것은 수막종, 육종, 교아종, GET-NETs뿐만 아니라, 자궁암, 유방암, 췌장암, 전립선암, 방광암, 폐암 등 10가지 다른 공격적인 종양을 위한 개별 환자 종양에 최적으로 부합하는 약물을 예측하기 위해서 고안된 유일한 시험이다. 이 논문은 암환자들에게 현재 우리가 유전적 변이를 가지고 하고 있는 것을 보완해줄 수도 있을 효과적이고 체계적이며 정확한 의학적인 접근법을 전달하기 위한 귀중한 새로운 도구가 될 수 있을 접근법에 대한 첫번째 개념 증명이다. 수퍼컴퓨터 사용과 대규모 약물학적 시험을 결합하는 새로운 시스템 생물학 방법을 이용해서, 그들은 가장 효과적으로 암세포를 죽일 약물 조합을 컴퓨터를 이용해서 예측하고 우선 순위를 매길 수 있다. 그러한 접근법은 실행가능한 돌연변이가 없거나 표적화된 억제제나 면역-관문 억제제(immune-checkpoint inhibitors)에 반응하지 않거나, 표준 치료 약물에 초기 반응했지만 재발한 공격적인 종양을 가진 환자들에게 특히 전망이 있다. 이런 환자들은 효과적인 치료 선택권이 거의 없다. 그들은 승인된 치료법이 고갈되었을 때 OncoTreat이 종양학자들에게, 경험에서 우러난 추측이 아니라, 암 세포의 조절과 약물에 대한 반응에 대한 이해를 더 기계적인 이해를 기반으로 예측할 수 있는 새로운 대안을 줄 수 있기를 바라고 있다. 치료전 분자적인 확인 전략의 효과를 성공적으로 증명한 것은 객관적 분자적 증거보다 우연적으로 발견한 선택을 기반으로 했던 이전의 방식에서 의미있는 발전이라고 그들은 평했다. 질병에 대한 치료의 실시간 효과를 모니터링하기 위해 혈액에서 분자적 특징(molecular signature) 도구를 사용하는 것과 통합하여 이 연구는 많은 질병에서 치료법 관리를 바꿀 수 있을 것이다. |
