Vývoj ex-vivo buněčných modelů pro studium heterogenity adenokarcinomu pankreatu
| Autoři | |
|---|---|
| Rok publikování | 2023 |
| Druh | Konferenční abstrakty |
| Fakulta / Pracoviště MU | |
| Citace | |
| Popis | Duktální adenokarcinom pankreatu (PDAC) je nejrozšířenějším typem karcinomu pankreatu a celosvětově se v četnosti řadí na 11. místo mezi nádorovými onemocněními. Závažnost onemocnění podtrhuje fakt, že křivka mortality téměř kopíruje křivku incidence. Zásadní komplikací nádorových onemocnění pankreatu je enormní schopnost diseminace, vysoká rezistence na léčbu a zároveň vysoká klinická heterogenita pacientů. Přes pokrok v léčebných možnostech je dlouhodobé přežívání pacientů minoritní a nepřekračuje jednotky procent. Proto hledáme nové individualizované modely onemocnění a alternativní molekulární cíle, které mohou ovlivnit efektivitu chemoterapie nebo přispět k predikci vývoje onemocnění. Jednou z možností, jak vhodně modelovat a studovat nádorové onemocnění na individuální úrovni, je izolace a expanze nádorových a s nádorem asociovaných buněk ze vzorku nádoru, a jejich kultivace v podmínkách vhodně mimikujících mikroprostředí nádoru. V současné době jsme ustanovili přes dvacet pacientských buněčných linií, u kterých jsme analyzovali odpověď buněk na stres asociovaný s poruchami proteosyntézy a integritou endoplazmatického retikula (ER). Molekulární mechanismus odpovídající na stres ER u různých nádorových onemocnění významně koreluje s klinickými parametry, a naše pilotní data indikují podobnou souvislost i u nádorů pankreatu. Zároveň pokročilé bioanalytické metody, např. hmotnostní spektrometrie intaktních buněk pomocí které jsme schopni zahrnout velké množství komplexních informaci o biologickém pozadí nádorů a na základě rozsáhlých datových souborů tato data zpracovat pomocí matematické analýzy. Takto získané vícerozměrné datové sady navíc obsahují specifické vzory, které lze zpracovat a analyzovat pomocí strojového učení a umělé inteligence. Dosud získaná data potvrzují, že buněčné linie pacientů s PDAC se molekulárně i biologicky liší, a bionalytická (spektrální) data obsahují dostatečné informace k rozlišení mezi různými patologickými typy PDAC. Využití individuálních ex vivo buněčných modelů, pochopení specifických mechanismů buněčné stresové reakce a identifikace specifických spektrálních vzorů může pomoci v předpovědi progrese onemocnění, ale také možné rezistenci vůči zvolené terapii. Podpořeno z programového projektu Ministerstva zdravotnictví ČR s reg. č. NU23-08-00241. Veškerá práva podle předpisů na ochranu duševního vlastnictví jsou vyhrazena. |
| Související projekty: |