Avanços em Terapias Combinadas para Tratamento de Câncer
Novas terapias combinadas mostram que podem melhorar os resultados do tratamento do câncer.
― 7 min ler
Índice
Recentes avanços na tecnologia de sequenciamento de DNA melhoraram muito nossa capacidade de entender o câncer em nível molecular. Essa tecnologia permite que cientistas analisem as diferenças nas células tumorais e identifiquem tipos raros de células que existem dentro do tumor. Usando vários métodos para analisar essas células, os pesquisadores conseguem entender como o câncer cresce e se desenvolve. Essa compreensão pode levar a tratamentos melhores adaptados a cada paciente.
Desafios no Tratamento do Câncer
Um dos desafios no tratamento do câncer é que muitas terapias existentes miram em uma única proteína nas células cancerígenas. No entanto, as células cancerosas podem se tornar resistentes a essas terapias, seja desde o começo ou depois que o tratamento já começou. Assim, confiar apenas em terapias de único agente geralmente não é suficiente para eliminar o tumor.
Para superar esse problema, os cientistas estão focando em atacar múltiplos caminhos nas células cancerígenas usando uma combinação de moléculas menores que inibem esses caminhos. Existem mais de 80 medicamentos aprovados pela FDA que visam as quinases-proteínas que desempenham um papel crítico na sinalização celular e na progressão do câncer. Mas a resistência ainda pode ocorrer quando as células cancerosas encontram maneiras alternativas de crescer. Por exemplo, um número significativo de casos de câncer de mama tem mutações no gene PIK3CA, o que pode levar à resistência contra tratamentos que miram outras proteínas.
A terapia combinada, que envolve usar múltiplos tratamentos ao mesmo tempo, tem mostrado promessas em casos como o câncer de mama metastático. Por exemplo, combinar um medicamento que ataca a proteína PIK3CA com terapia hormonal se mostrou eficaz no tratamento de certos cânceres de mama.
Terapias Combinadas
ExplorandoPesquisadores têm investigado combinações de múltiplos tratamentos para aumentar a eficácia da terapia. Por exemplo, uma combinação de medicamentos que visam os caminhos envolvidos no crescimento do câncer está sendo explorada. Um estudo recente testou uma combinação de medicamentos em pacientes com mutações no gene PIK3CA, resultando em melhores resultados em comparação com os tratamentos anteriores.
Ensaios recentes se concentraram na administração conjunta de medicamentos que atacam tanto PIK3CA quanto HER2, uma proteína que muitas vezes é superexpressa no câncer de mama. O objetivo é melhorar as respostas dos pacientes ao tratamento bloqueando múltiplos sinais de crescimento do câncer ao mesmo tempo.
Caminhos de Sinalização
Entendendo osPara determinar a melhor forma de combinar terapias, os pesquisadores estudam os caminhos de sinalização que governam como as células se comunicam e crescem. Certas proteínas atuam como "nós conectores", que são cruciais para a sinalização entre os caminhos. Essas proteínas podem servir como alvos para terapias combinadas, já que inibi-las pode bloquear sinais oncogênicos e reduzir a resistência.
Analisando as redes formadas por proteínas e suas interações, os pesquisadores podem identificar quais proteínas são mais críticas para o crescimento do câncer. Essa abordagem ajuda a priorizar combinações de medicamentos que podem ser mais eficazes no tratamento do câncer, interrompendo múltiplos caminhos ao mesmo tempo.
Identificando Candidatos a Co-Alvos
Usando métodos computacionais, os pesquisadores podem restringir possíveis combinações de medicamentos com base em dados existentes sobre mutações e interações de proteínas. Essas análises identificaram vários genes-chave envolvidos tanto no câncer de mama quanto no câncer colorretal.
No câncer de mama, os pesquisadores descobriram que combinações de certos medicamentos poderiam atacar efetivamente caminhos envolvendo os genes PIK3CA e ESR1. Da mesma forma, no câncer colorretal, combinações que visam BRAF e PIK3CA mostraram ter um impacto positivo.
Ao invés de focar apenas em um elemento, essas estratégias buscam uma abordagem mais holística ao focar nas conexões críticas entre proteínas nas redes de sinalização do câncer. Isso aumenta as chances de inibir o crescimento do câncer e prevenir o surgimento de resistência a medicamentos.
Aplicações Práticas no Câncer de Mama
O co-alvo de PIK3CA e HER2 tem ganhado atenção. Cânceres de mama HER2-positivos podem ser particularmente desafiadores porque muitas vezes dependem fortemente dos caminhos de sinalização envolvendo essas proteínas. Terapias combinadas que incluem inibidores de HER2, junto com medicamentos que atacam PIK3CA, podem criar um bloqueio forte contra o crescimento do tumor.
Os achados de pesquisa sugerem que bloquear esses caminhos simultaneamente pode levar a respostas de tratamento melhores nos pacientes. Essa abordagem combinada reduz as chances de que as células tumorais encontrem caminhos alternativos para sobreviver e se proliferar.
Por meio de vários estudos usando modelos de xenógrafo derivados de pacientes (PDX), os pesquisadores conseguiram demonstrar que as terapias combinadas mostram mais promessas do que tratamentos de único agente. Esses modelos refletem com precisão os tumores dos pacientes e permitem que os cientistas observem como diferentes terapias afetam o crescimento do tumor.
Explorando Tratamentos para o Câncer Colorretal
O câncer colorretal é outra área onde terapias combinadas estão sendo exploradas. Pacientes com mutações em BRAF e PIK3CA enfrentam desafios únicos, pois essas mutações podem ativar diferentes caminhos de sinalização que favorecem o crescimento do tumor. Ao atacar ambas as proteínas, os pesquisadores esperam impedir que as células cancerosas escapem do tratamento por meio de mecanismos compensatórios.
Em estudos preliminares, combinações que visam caminhos afetados por BRAF e PI3K mostraram promessas. Essa estratégia visa bloquear os sinais que impulsionam o crescimento do tumor por múltiplos ângulos, evitando que o câncer se adapte e desenvolva resistência ao tratamento.
Os achados destacam que o uso de terapias combinadas pode não apenas limitar efetivamente o crescimento do tumor, mas também prolongar a sobrevivência de pacientes lutando contra o câncer colorretal.
Insights Clínicos e Direções Futuras
Avançando, é crucial validar os achados dos estudos laboratoriais em ambientes clínicos para garantir que essas estratégias funcionem efetivamente em pacientes reais. Ensaios clínicos em andamento são necessários para confirmar a segurança e eficácia das terapias combinadas.
Além disso, os esforços colaborativos de pesquisadores, oncologistas e pacientes serão vitais para estabelecer essas novas abordagens como práticas padrão. À medida que os cientistas continuam a aprofundar-se nas complexidades da biologia do câncer e dos caminhos de sinalização, isso abre portas para opções de tratamento mais personalizadas que poderiam melhorar muito a qualidade do atendimento aos pacientes com câncer.
Conclusão
A integração de tecnologias avançadas e modelagem computacional na pesquisa do câncer está remodelando significativamente o panorama do desenvolvimento de tratamentos. Ao desvendar as complexidades das interações moleculares e dos caminhos de sinalização, os pesquisadores estão se movendo em direção a terapias combinadas mais eficazes que podem abordar diretamente os desafios da resistência a medicamentos no tratamento do câncer.
Essa nova abordagem marca um passo significativo em frente na luta contra o câncer, oferecendo esperança para terapias mais adaptadas e eficazes que podem se adaptar à natureza em evolução das células cancerosas. À medida que nossa compreensão do câncer se aprofunda, o potencial para melhores resultados para os pacientes cresce, prometendo um futuro mais brilhante na oncologia.
Título: Anticancer Target Combinations: Network-Informed Signaling-Based Approach to Discovery
Resumo: While anticancer drug discovery has seen dramatic innovations and successes, sequential single therapies are time-limited by resistance, and combinatorial strategies have been lagging. The number of possible drug combinations is vast. To select drug combinations the oncologist requires knowledge of the optimal combination of proteins to co-target. Currently, combinations that the oncologist considers are primarily from empirical observations and clinical praxis. Our aim is to develop a signaling-based method to discover optimal proteins for the oncologist to co-target with drug combinations, and test it on available, patient-derived data. To temper the expected resistance to single drug regimen, we offer a concept-based stratified pipeline aimed at selecting co-targets for drug combinations. Our strategy is unique in its co-target selection being based on signaling pathways. This is significant since in cancer, drug resistance commonly bypasses blocked proteins by wielding alternative, or complementary, routes to execute cell proliferation. Our network-informed signaling-based approach harnesses advanced network concepts and metrics, and our compiled, tissue-specific co-existing mutations. Co-existing driver mutations are common in resistance. Thus, to mimic cancer and counter drug resistance scenarios, our pipeline seeks co-targets that when targeted by drug combinations, can shut off cancers modus operandi. That is, its parallel or complementary signaling pathways would be blocked. Rotating through combinations could further lessen emerging resistance. We applied it to patient-derived breast and colorectal ESR1|PIK3CA and BRAF|PIK3CA subnetworks. Consistently, in breast cancer, our results suggest co-targeting proteins from the ESR1|PIK3CA subnetwork with an alpelisib-LJM716 combination. In colorectal cancer, they co-target BRAF|PIK3CA with alpelisib, cetuximab, and encorafenib combination. Collectively, our pipelines results are promising, and validated by patient-based xenografts. GRAPHICAL ABSTRACT O_FIG O_LINKSMALLFIG WIDTH=200 HEIGHT=200 SRC="FIGDIR/small/617918v1_ufig1.gif" ALT="Figure 1"> View larger version (65K): [email protected]@197012dorg.highwire.dtl.DTLVardef@ce3853org.highwire.dtl.DTLVardef@d3ec3a_HPS_FORMAT_FIGEXP M_FIG C_FIG
Autores: Bengi Ruken Yavuz, H. Jang, R. Nussinov
Última atualização: 2024-10-15 00:00:00
Idioma: English
Fonte URL: https://www.biorxiv.org/content/10.1101/2024.10.11.617918
Fonte PDF: https://www.biorxiv.org/content/10.1101/2024.10.11.617918.full.pdf
Licença: https://creativecommons.org/licenses/by-nc/4.0/
Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.
Obrigado ao biorxiv pela utilização da sua interoperabilidade de acesso aberto.