Aili, Erik Daniel – Protease Activity Profiling for Sensitive Cancer Diagnostics and Personalized Medicine

Erik Daniel Aili
Linköpings universitet
2022
Finansieras med
1 600 000 kr
Diagnos: bröstcancer
Forskningsområde: preklinisk forskning

Bakgrund

Proteaser är proteiner som bryter ner andra proteiner. I tumörer tenderar proteaser att bli fler och bryta ner proteiner fortare än i frisk vävnad vilket gör att tumören kan växa snabbare och sprida sig i kroppen. Det har visat sig vara mycket svårt att utveckla läkemedel som påverkar proteaser. Vi vet helt enkelt för lite om vilka proteaser som är överaktiva i tumörer och hur de påverkar varandra och andra proteiner i sin omgivning. Det finns också mycket som tyder på att protestaktivitet kan användas som en känslig markör för att detektera cancer och ge oss information om hur farlig en tumör är samt hur den kan svara på olika behandlingar.

Beskrivning

Syftet med det här projektet är att utveckla en helt ny metod som kan göra det möjligt att mäta och studera proteasers aktivitet i tumörer. Vi kommer att utveckla nanopartiklar som kan ansamlas i en tumör. Partiklarna har proteinliknande strukturer på ytan som kan brytas ner av vissa proteaser. När de bryts ner bildas hål i partikeln, som börjar släppa ut stora mängder av syntetiska biomarkörer som bär på information om vilka proteaser det var som skapade hålet i partikeln. Genom att mäta hur mycket och vilka av dessa biomarkörer som släpps ut hoppas vi kunna avgöra vilka proteaser som cancercellerna producerar och hur aktiva de är.

Mål

Vi kommer att arbeta med att utveckla och göra den här tekniken så känslig och effektiv som möjligt. Vi kommer undersöka partiklarnas egenskaper och hur de kan förbättras för att släppa ut biomarkörerna vid rätt tillfälle samt ta fram metoder för att mäta vilka och hur mycket av de olika biomarkörerna som släppts ut och hur detta påverkas av proteasaktiviteten. Slutligen kommer vi att utvärdera metoden i små bröstcancertumörer som odlas i laboratoriet. Vår ambition är att den här metoden i framtiden kommer att göra det lättare att utveckla läkemedel samt att i ett tidigt skede upptäcka sjukdom och skapa möjligheter att skräddarsy behandling.