Green, Karl Henrik Zidreon – Unravelling genetic predisposition to drug induced neuropathy and myelosuppression for personalized chemotherapy

Bakgrund

Att få en cancerdiagnos är ett av de tuffaste beskeden man kan få under en livstid. Dels är det en mycket allvarlig sjukdom och dels ställs man inför en tuff behandling. Alla reagerar olika på beskedet, men också på behandlingen. En del klarar behandlingen utan några som helst problem, andra får livshotande biverkningar vid första kuren. Idag vet vi att genetiska varianter dvs variationer i vårt DNA påverkar hur vi reagerar på läkemedel. Två viktiga hörnstenar för en individualiserad vård är att identifiera tumörmutationer - för att hitta rätt läkemedel och att identifiera varianter som predikterar patienter med risk för svåra biverkningar.

Beskrivning

Vår forskning fokuserar därför på att hitta individ relaterade faktorer såsom genetiska variationer som kan prediktera vilka individer som löper högrisk för allvarliga biverkningar. Vi fokuserar framförallt på benmärgsbiverkningar dvs nedgång i tex vita blodkroppar som är viktiga för vårt immunförsvar, samt på neuropati dvs nervbiverkningar såsom förlust av känsel och koordination i fingrar och fötter. Vi vet att båda dessa biverkningar påverkan risken för död och har en stor inverkan på patienters livskvalité. Vi gör detta genom att sekvensera patienters DNA, studera geninteraktioner och utnyttja AI för att bygga prediktionsmodeller.

Mål

Målet med forskningsprojektet är att förbättra cytostatikabehandling genom att individualisera doser och förutspå biverkningar vid behandling med klassiska cytostatika. Genom att studera hur genetiska varianter (över hela arvsmassan) korrelerar med biverkningar så försöker vi hitta sätt att förutspå vilka patienter som inte tål behandlingen och tex behöver extra blodtransfusioner. Vi genomför också experimentella studier på mänsklig donerad benmärg och cellinjer för att verifiera fynden från våra kliniska studier. Vi utvecklar också modeller som kan användas i kliniken för att uppskatta en enskild patients risk att få allvarliga biverkningar.