دانشمندان بااستفاده از روش مدلسازی ریاضی، دریافتهاند که برخیاز مشخصههای رشد تومور در موشها را میتوانند تحت تأثیر داروهایی که مانع از تشکیل رگهایخونی تغذیهکنندۀ تومور میشوند، پیشبینی نمایند.
حتی در یکنوع سرطان، تومورهای گوناگون ممکناست واکنش متفاوتی نسبت به داروهای ضدسرطان داشته باشند و برخیاز تومورها نیز هیچ واکنشی نشاننمیدهند.
بنابراین، شناسایی ویژگیهایی که میتواند درحکم «زیستنشانگرهای پیشگو» (Predictive Biomarkers) بوده و قادر هستند تا برای شیوۀ واکنش تومورهای احتمالی فرد درمان خاصی را پیشبینی نمایند، راهگشا میباشد.
اما معمولاً پیش از آزمایش داروها در موقعیت بالینی در انسان، معمولاً در موشها مورد بررسی قرارمیگیرند. محققان در تلاش برای بهبود آزمایش پیشبالینی، زیستنشانگر پیشگوی احتمالی نوعی داروی سرطان موسوم به آنتیآنژیوژنیکدرمانی (ضدرگسازی) را مورد بررسی قرار دادند. این روش درمانی، مانعاز شکلگیری رگهایخونی جدیدی میگردد که به رشد تومور کمک میکنند. پژوهشگران پیشتر مدلی ریاضی ساخته بودند که فعالیت پروتیئن موسوم به VEGF در تومور موش را شبیهسازی میکرد. این پروتئین به رشد رگهایخونی کمک مینماید. در پژوهش جدید، محققان به مدل خود مؤلفهای اضافهکردند که واکنش تومور به داروهایی را شبیهسازی میکند که پروتئینVEGF را هدف قرارمیدهند و مانعاز فعالیت آن میشوند. آنها مدل را بااستفاده از دادههای واقعی درمورد رشدتومور در موشها آماده و معتبرنمودند.
پژوهشگران بااستفاده از مدل جدید خود دریافتند که برخیاز ویژگیهای رشد تومور، میتوانند واکنش تومور به درمان آنتیآنژیوژنیک را که فعالیت پروتئین VEGF را هدف قرارمیدهند، بهخوبی و دقیق پیشبینی کنند.
آنها باکمک این مشخصهها قادربودند تا تأثیر درمان (بهعبارتی اینکه آیا رشد تومور کُند خواهد شد یا خیر) را حتی پیش از آغاز درمان پیشبینی کنند.
اگر این نتایج در بررسی موشهای زنده تأییدشود، ممکناست در نهایت به راهبردهای جدیدی برای پیشبینی واکنش تومور به درمان آنتیآنژیوژنیک درانسان منجرگردد. در این میان، تیم تحقیقاتی درحال استفاده از مدل خود برای شبیهسازی چنین پژوهشی میباشد.
محققان معتقدند که «درپژوهش خود دربارۀ موش واقعی، رشد تومور را با و بدوندرمان شبیهسازی میکنیم تا مشخصگردد آیا ویژگیهای رشد واقعاً میتوانند وجه تمایز موشهایی باشند که تومورهای آنها به درمان پاسخمیدهد یا خیر. ما کتابها و مقالات منتشرشده را نیز جستوجو میکنیم تا دادههای تجربی بیشتری برای تأیید پیشبینیهای مدل خود بهدستآوریم».
Ref
PLOS Computational Biology 2017
ثبت نظر