Diese neuen Daten ebnen den Weg für eine bessere Behandlung dieses Krebses und die Entwicklung neuer, gezielterer Therapien.
Das Glioblastom ist der häufigste, aber auch der aggressivste Gehirntumor. Jährlich werden in Frankreich etwa 3500 neue Fälle diagnostiziert. Trotz zahlreicher wissenschaftlicher Fortschritte bleibt dieser Tumor aufgrund seiner starken molekularen und zellulären Heterogenität unheilbar, was den Einsatz standardisierter Therapieansätze erschwert.
"Das Problem ist, dass jeder Tumor einzigartig ist: Die exprimierten Gene sind zahlreich und unterschiedlich, sie bilden ein komplexes Netzwerk von Wechselwirkungen. Unsere Arbeit zeigt eine Hierarchie auf, die von 'Master-Regulatoren' – hochvernetzten Schlüsselmolekülen – kontrolliert wird, die den Tumor aktiv aufrechterhalten", erklärt Mohamed Elati, Leiter des Teams "Digitale Systeme & Computational Cancer" am CANTHER-Labor in Lille.
Um die Tumoren zu kategorisieren und die Behandlungen zu verfeinern, hatten Wissenschaftler bisher vier Tumorsubgruppen anhand der transkriptionellen Profile (Genexpression) der Patienten identifiziert. Einige Gruppen blieben jedoch sehr heterogen.
In dieser neuen Studie konzentrierten sich die Forscher auf die Aktivität regulatorischer Moleküle, der Transkriptionsfaktoren, die mit unseren Genen interagieren und deren Expression aktivieren oder hemmen. Von den 2375 beim Menschen vorhandenen Transkriptionsfaktoren und Co-Faktoren sind 539 an den tumorigenen Mechanismen des Glioblastoms beteiligt.
Dank KI und insbesondere maschinellem Lernen konnten die Forscher Daten aus 16 internationalen Studien über mehrere Jahre (etwa 1600 Patienten) zusammenführen. Dieser Ansatz ermöglichte die bisher umfassendste Kartierung der transkriptionellen Aktivität des Glioblastoms und die Identifizierung von nicht weniger als sieben Tumorsubtypen, die jeweils mit spezifischen biologischen Mechanismen und einer unterschiedlichen Prognose verbunden sind (siehe Abbildung).
Kartierung der Transkriptionsfaktoraktivität der 1600 erfassten Fälle. Jede Farbe entspricht einem bestimmten Tumortyp mit spezifischen Mechanismen.
Dieses bioinformatische Tool, der wissenschaftlichen Gemeinschaft zur Verfügung gestellt und als GBM-cRegMap bezeichnet, zielt darauf ab, anhand individueller molekularer Daten die Merkmale des Tumors zum Zeitpunkt der Diagnose und auch nach der Behandlung bei einem Rückfall genau zu bestimmen. Wertvolle Daten, um die Mechanismen des Glioblastoms und seine Entwicklung besser zu verstehen, aber auch um personalisiertere Therapien zu entwickeln.
Diese Karte zeigt auch, dass die derzeitigen präklinischen Modelle (Zellmodelle, die den Tumor simulieren und neue Therapien testen) nicht alle identifizierten Tumortypen abdecken, was die Notwendigkeit unterstreicht, neue Zelllinien zu entwickeln.