Hinweis: Bericht aus einer einzigen Quelle; Bestätigung steht noch aus.
Von den National Institutes of Health (NIH) geförderte Forscher haben ein maschinelles Lernverfahren entwickelt, um zelluläre Ökosysteme in Tumoren – sogenannte räumliche Ökotypen – zu charakterisieren. Dies geschieht durch die Analyse der lokalen Genaktivität in Krebszellen. Mithilfe räumlicher Transkriptomikdaten von über 100 menschlichen Tumoren und der Genaktivität von mehr als 10 Millionen Einzelzellen identifizierte das Verfahren neun räumliche Ökotypen, die in verschiedenen Tumorarten vorkommen. Diese Ökotypen, die sich durch spezifische Genaktivität auszeichnen, variieren in ihrer Lage innerhalb der Tumoren und treten häufig in der Nähe des Tumorrandes oder im Tumorkern auf.
Die Studie ergab, dass sechs dieser Ökotypen mit dem Überleben von Krebspatienten korrelierten. Zwei davon, SE7 und SE8, waren mit einem positiven Ansprechen auf die Immun-Checkpoint-Inhibitor-Therapie verbunden, während SE4 mit Resistenzen assoziiert war. Diese räumlichen Ökotypen ermöglichten eine bessere Vorhersage des Therapieansprechens als bestehende Biomarker.
Die Forscher untersuchten auch das Potenzial eines Bluttests zur Erkennung der Konzentrationen dieser räumlichen Ökotypen. Dieser Test wäre weniger invasiv als eine Tumorbiopsie und könnte eine verbesserte Überwachung und Vorhersage der Behandlungsergebnisse bei Krebspatienten ermöglichen.
Die in der Fachzeitschrift Nature veröffentlichten Ergebnisse könnten die Entwicklung personalisierter Krebstherapien durch verbesserte Behandlungsüberwachung und Ergebnisvorhersage unterstützen.