Vu, Trung Nghia – Data-driven approaches for repurposing drug combination for cancer treatment

Bakgrund

Återanvändning av befintliga läkemedel för nya indikationer är en kostnadseffektiv strategi för cancerbehandling. En utmaning är beroendet av monoterapi, vilket kan vara ineffektivt för heterogena cancerformer som akut myeloisk leukemi (AML). Monoterapi kräver ofta högre doser, vilket ökar risken för toxicitet. Synergistiska läkemedelskombinationer erbjuder en lösning genom att möjliggöra flera måltavlor och lägre doser per substans. Dock är identifiering av effektiva kombinationer svårt på grund av det stora antalet möjliga kombinationer och begränsad tillgång till data.

Beskrivning

Vi kommer att utveckla effektiva beräkningsmetoder för att identifiera potentiella återanvändbara läkemedelskombinationer för cancer, med fokus på AML som en modellcancer tack vare rika dataresurser. Vi har tre mål: 1) Identifiera läkemedelskombinationer med hjälp av bioinformatik och generativ AI, följt av prediktion av läkemedel–sjukdomsassociationer; 2) Personlig läkemedelsåteranvändning baserat på tumörens farmakogenomikdata; 3) Utforska verkningsmekanismer kopplade till klonal heterogenitet i AML via omikdata.

Mål

Vi hoppas utveckla en effektiv beräkningsmetod för att identifiera återanvändbara läkemedelskombinationer för cancer, särskilt för AML. Dessutom hoppas vi uppnå avancerad kunskap om sambandet mellan läkemedelskänslighet och klonal mångfald i AML. Vi hoppas även att utveckla förbättrade modeller för personlig läkemedelsåteranvändning för cancer.