I ett tidigare projekt med medel från Cancerfonden har vi sett att cancerns påverkar hur kolesterol används och byggs om. Dessa förändringar lämnar kemiskt ‘isotop-spår’ i vävnaden men också I kroppens yttre, till exempel i fetter runt hårstrån eller bakom örat. Dessa fetter kan mätas utan ingrepp, analyseras kemiskt och med maskininlärning, vilken har lett till en modell för att avslöja cancer I möss. Nu vill vi vidareutveckla metoden för människan, för att utvärdera dess potential som ett enkelt och icke-invasivt test för tidig upptäckt av cancer.
Projektet handlar om att vidareutveckla en metod testad på möss. Vi kommer nu samla in fett-prov från bakom örat på patienter med bröst- och prostatacancer samt kontroller, analysera kolesterolets struktur, screena denna för förändring till följd av solljus, och bygga maskininlärningsmodeller för att utvärdera testets potential för ett nytt, icke-invasivt test för tidig upptäckt av cancer. Genom att analysera kemiska förändringar i kolesterol som samlats på hår eller hud kan vi identifiera en kemisk signal från cancern. Det rör sig om prevention, där målet är att upptäcka cancer innan den sprider sig, utan att behöva ta blodprov.
Målet med forskningen är att utvärder om kemiska signaler i kolesterolets molekylstruktur kan bidra till nya, icke-invasiva metoder för tidig upptäckt av cancer. Genom masspektrometri och maskininlärning vill jag identifiera specifika kemiska signaturer som uppstår vid cancer, särskilt vid bröst- och prostatacancer. Metoden syftar till att möjliggöra tidig diagnostik innan sjukdomen sprider sig. Jag hoppas uppnå ett genombrott för att biologiska biomarkörer kan kompletteras med rent kemiska markörer.