Открытие многомерной терапии рака с использованием науки о геометрических данных
Научные отчеты, том 13, Номер статьи: 8255 (2023) Цитировать эту статью
825 Доступов
2 Альтметрика
Подробности о метриках
Персонализированные подходы к лечению рака в первую очередь включают выявление групп пациентов, которые с наибольшей вероятностью получат пользу от таргетных препаратов. Такая стратификация привела к появлению множества дизайнов клинических исследований, которые часто оказываются слишком сложными из-за необходимости включения биомаркеров и типов тканей. Для решения этих проблем было разработано множество статистических методов; однако к тому времени, когда такая методология станет доступной, исследования рака перешли к новым проблемам, и поэтому, чтобы избежать игры в догонялки, необходимо параллельно разрабатывать новые аналитические инструменты. Одной из задач, стоящих перед терапией рака, является эффективное и правильное нацеливание нескольких методов лечения на чувствительную популяцию пациентов на основе панели биомаркеров для нескольких типов рака и соответствующих планов будущих исследований. Мы представляем новые геометрические методы (математическую теорию гиперповерхностей) для визуализации сложных данных о терапии рака в многомерном виде, а также геометрическое представление пространства дизайна онкологических исследований в более высоких измерениях. Гиперповерхности используются для описания основных протоколов с применением к конкретному примеру схемы комплексного исследования меланомы и, таким образом, создают основу для дальнейшего включения данных мультиомики в качестве многомерной терапии.
Современные методы лечения рака, основанные на мутациях, наблюдаемых в ДНК, сместили цель просто найти лекарство или терапию, превосходящую существующие стандарты лечения для всех пациентов, к парадигме, в которой таргетная терапия предлагается конкретной подгруппе пациентов, скорее всего. чтобы принести пользу. Такой ландшафт «персонализированной медицины» стал правдоподобным во многом благодаря мутациям, которые не только ответственны за рост опухоли, но и формируют мишени для механизма действия противораковых препаратов, тем самым определяя решения о лечении. Например, вемурафениб нацелен на мутацию BRAF при распространенной меланоме, трастузумаб нацелен на Her2 при раке молочной железы, а кризотиниб нацелен на мутацию ALK при немелкоклеточном раке легких и других. Пациентов проверяют на наличие или отсутствие интересующей мутации, и им соответственно присваивают сигнатуру «биомаркера». Некоторые биомаркеры отслеживают, как рак развивается у человека, и таким образом помогают прогнозировать заболевание, другие предсказывают, будет ли человек с положительной сигнатурой биомаркера положительно реагировать на вмешательство, а некоторые могут играть обе роли. Эти фундаментальные достижения в области геномики рака привели к резкому увеличению количества новых подходов к планированию клинических исследований, основанных на биомаркерах, на всех этапах разработки лекарств1,2,3. Тем не менее, в клинических исследованиях, когда мы переходим от «малых данных» к многомерным данным биомаркеров, необходимость понять их форму и структуру представляет собой ключевой исследовательский пробел в литературе, для устранения которого необходимы соответствующие методы визуализации.
Когда варианты экспериментального лечения зависят от одного или нескольких биомаркеров в пределах одного типа рака, несколько методов лечения могут оцениваться параллельно в так называемом зонтичном исследовании4,5. Подисследования, которые часто являются рандомизированными, могут представлять собой сравнение двух групп или многостороннее сравнение нескольких препаратов в рамках каждого подисследования. Были предложены новые подходы к исследованию рака, называемые «корзинными схемами испытаний», позволяющие эффективно изучить новую терапию, нацеленную на конкретную мутацию, которая может присутствовать при нескольких типах опухолей6,7,8. В комплексном исследовании пациенты с общей мутацией набираются из популяций с разными типами опухолей и, на основе заимствования информации между типами опухолей, могут быть более эффективными, чем отдельные исследования. Эффект экспериментального лечения затем можно оценить как во всей набранной группе, так и в отдельных типах опухолей. Более сложные исследования, в которых набираются пациенты с разными типами опухолей, а также с разными мутациями, представляют собой так называемые матричные исследования9, которые в качестве особых случаев включают как корзиночные, так и зонтичные исследования.