Die Studie trägt den Titel „Community assessment to advance computational prediction of cancer drug combinations in a pharmacogenomic screen”. Durch den Einsatz klassischer und vor allem moderner Methoden der Datenanalyse hat Professor Sauer gemeinsam mit dem Team anhand einer der größten Stichproben an Wirkstoff-Kombinationen State-of-the-Art-Machine-Learning-Algorithmen eingesetzt, um besser zu verstehen, welche Wirkstoff-Kombinationen den Patienten helfen. Es handelt sich dabei um eine der größten Studien dieser Art, die es bislang gab.
Die Vohersagegüte bestimmter Wirkstoff-Kombinationen wurde durch die Studienergebnisse verbessert und einige Wirkmechanismen bei Krebserkrankungen werden jetzt besser verstanden. So ist die Wirksamkeit einzelner Krebstherapien oft begrenzt, Tumore entwickeln mitunter Resistenzen gegenüber einzelnen Wirkstoffen. Durch geschickte Kombination von Wirkstoffen können solche Resistenzen allerdings überwunden und die Effektivität einer Behandlung erhöht werden. Allerdings ist die Anzahl der möglichen Kombinationen astronomisch, so dass es schwer ist, geeignete Kombinationen zu ermitteln. In dieser Studie wurden 11.576 Experimente mit über 900 Kombinationen von Wirkstoffen bei 85 Krebszellarten untersucht.
„Dieser Fortschritt konnte nur mit modernen statistischen Methoden erzielt werden, die wir auch in der Lehre der FOM Hochschule einsetzen“, resümiert der FOM Wissenschaftler. „Ich freue mich, dass wir mit der Studie und diesen Techniken der Datenanalyse dazu beitragen können, dass neue, wirksame Krebsmedikamente entwickelt werden.“
Wissenschaftliche Ansprechpartner:
Prof. Dr. Sebastian Sauer, sebastian.sauer@fom.de
Originalpublikation:
https://www.nature.com/articles/s41467-019-09799-2