Orellana Ramirez, Laura – First atomic-level mapping of Glioblastoma: searching for "hidden" drivers

Bakgrund

Det är inte överraskande att hjärnan, dvs kroppens mest komplexa organ, också är det organ som står för de mest heterogena och komplexa tumörerna. Glioblastoma multiforme (GBM) är en hjärntumör som orsakas av gliaceller, dvs den vanligaste celltypen i det centrala nervsystemet (CNS) och vars primära uppgift är att stödja de signalerande neuronerna. GBM är klassad som den mest aggressiva formen av hjärngliom och utgör en av de mest dödliga och behandlingsresistenta cancerformerna: medianöverlevnaden är sex till 15 månader och sannolikhet för överlevnad efter fem år är knappt 5-6 % och har varit praktiskt taget oförändrad i decennier.

Beskrivning

Cancer är en evolutionär process där celler genom mutationer utvecklar egenskaper för överlevnad. Mutationer kan påverka cellernas förmåga att upptäcka signaler, absorbera näringsämnen och utvinna energi. Proteiner har utvecklat precisa former för att utföra livsnödvändiga uppgifter och mutationer kan störa deras funktion. Cancerdrivande mutationer påverkar proteiner som kontrollerar celltillväxt och behandling med läkemedel, "precisionsmedicin", har revolutionerat cancerbehandling. Trots framsteg har GBM, en tumör som saknar tydliga drivkrafter, släpat efter på grund av sällsynta mutationer.

Mål

De senaste decenniernas cancerforskning resulterat i en imponerande katalogisering av miljoner sätt som gener kan mutera. För att tolka denna data så krävs dock detaljerad förståelse för hur både form och funktion kopplad på atomär nivå. Ett banbrytande exempel är onkogen EGFR: genom datorsimuleringar har vi upptäckt att vad som förefaller vara heterogena glioblastom mutationer spridda över hela 3D-struktur, faktist främjar ett gemensamt rörelsemönster som styr celltillväxten, öppnande för nya behandlingsmetoder. Nu vi vil simulera alla mutationer i glioblastom för att finna liknande "konvergerande" cancerdrivare.