Das Konzept der Präzisionsonkologie (PM) wird weltweit eingesetzt, um neue Therapiestrategien für einzelne Patientinnen und Patienten zu ermitteln, vor allem für Hochrisikopatientinnen und -patienten, die an unheilbaren, refraktären oder rezidivierenden aggressiven Krankheiten leiden. Modernste Sequenzierungstechniken werden eingesetzt, um das für den jeweiligen Patienten wirksamste Medikament zu identifizieren, indem die tumortreibende(n) (epi-)genetische(n) Aberration(en) (z. B. Fusion, Mutation oder Amplifikation) in den einzelnen Tumorzellen gezielt angegangen werden (Letai et al., 2017). Es hat sich jedoch gezeigt, dass die Sequenzierung der Biopsieprobe allein nicht ausreicht, um jedem Patienten ein maßgeschneidertes Medikament zuzuordnen, und die meisten Patienten profitieren derzeit nicht von einer Therapie, die auf der Identifizierung des molekularen Ziels basiert (Kornauth et al., 2022).

Um diese Herausforderungen der aktuellen genomischen PM-Programme zu bewältigen und die Lücke zwischen dem molekularen Wissen über einzelne Krebsarten und dem, was direkt in der Klinik angewendet werden kann, zu schließen, werden umfassende funktionelle Informationen benötigt, um die Anfälligkeit des jeweiligen Tumors zu identifizieren.

Unsere Gruppe für funktionelle Präzisionsonkologie befasst sich mit diesem Bedarf, indem sie umfassende bildbasierte Ex-vivo-Tests der Medikamentenwirksamkeit an von Patienten stammenden Tumorzellen durchführt, um funktionelle Informationen auf der Ebene der einzelnen Tumorzellen zu erhalten.

Zu diesem Zweck führen wir die folgenden Projekte durch:

Erstellung von prädiktiven relevanten ex vivo Krankheitsmodellen:

Wir erhalten frisches und frisch eingefrorenes Tumormaterial von Patientinnen und Patienten, das zur Etablierung von prädiktiven Krankheitsmodellen verwendet wird. Die derzeitigen Schwerpunkte sind Leukämien bei Erwachsenen und Kindern (CLL, AML) sowie ausgewählte solide Tumorarten. Hier konzentrieren wir uns auf die Etablierung von Ex-vivo-Tumormodellen, die die Situation im menschlichen Körper genau widerspiegeln und gleichzeitig für die Prüfung von Arzneimitteln mit hohem Wirkstoffgehalt in Multiwell-Formaten geeignet sind. Wir untersuchen verschiedene Kulturprotokolle, die insbesondere das Tumormikromilieu und den Einfluss zellulärer Matrices nachahmen, darunter 2D-(Co-)Kulturen sowie 3D-Sphäroid-Kulturen, wobei der Schwerpunkt auf Kurzzeitmodellen liegt, die eine relevante klinische Turn-Around-Zeit unserer Wirkstofftestergebnisse ermöglichen.

Kurzzeit- und Langzeit-Tumormodelle werden außerdem verwendet, um die zugrundeliegenden Mechanismen für die beobachtete Medikamentenwirksamkeit und -resistenz zu entdecken. In Reverse-Translation-Studien werden Co-Kultur-Systeme mit Stromazellen, Immunzellen und/oder Zytokin-Signalen etabliert (Oppermann et al., Blood, 2016), um insbesondere mögliche Faktoren zu untersuchen, die zu einer In-vivo-Medikamentenresistenz führen.

Funktionelle Erstellung von Wirkstoffprofilen:

Wir erstellen funktionelle ex vivo-Profile der Empfindlichkeit und Resistenz gegenüber Arzneimitteln ('drug response profiling', DRP) unter Verwendung von primärem menschlichem Material, das von Krebspatienten und gesunden Spendern stammt. Die wichtigste Methode ist der Einsatz der konfokalen spinning-disc Fluoreszenzmikroskopie (HCM, Bioimaging), die es ermöglicht, große Wirkstoffbibliotheken auf ihre Wirkung auf menschliche Krebszellen im Mittel- bis Hochdurchsatzformat zu testen.

Wir testen verschiedene Substanzbibliotheken, darunter die vom Structural Genomics Consortium (SGC) gespendete chemische Sondenbibliothek (chemical probe library) sowie maßgeschneiderte Medikamentenbibliotheken, die hauptsächlich aus von der FDA/EMA zugelassenen Krebsmedikamenten bestehen, darunter konventionelle Chemotherapeutika gemäß den Richtlinien und Standardbehandlungen für die jeweiligen Diagnosen (siehe oben) sowie eine Vielzahl zielgerichteter neuer Medikamente (z. B. (Multi-)Kinase-Inhibitoren) und Substanzen, die derzeit in der späten klinischen Phase (Phase II/III) für die jeweiligen Diagnosen getestet werden. Für mechanistische Studien und Trainingskontrollen werden verschiedene Zelltod-Modulatoren (z. B. für Apoptose, Nekroptose, Ferroptose und ER-Stress-induzierten Zelltod, differentielle/epigenetische und metabolische Modifikatoren) einbezogen. Die Arzneimittel werden in mindestens 5 Konzentrationen getestet, die die klinisch erreichbaren Plasma- und Steady-State-Konzentrationen und Replikate abdecken, hauptsächlich in einem 384-Multiwell-Format.

Da automatisierte Analysewerkzeuge für die Handhabung und Bewältigung großer Datenmengen von entscheidender Bedeutung sind und eine schnelle Umsetzung der Ergebnisse in die klinische Praxis ermöglichen, verwenden wir bioinformatische Pipelines für die Arzneimittelanalyse, die die Quantifizierung des Ansprechens auf Mono- und Kombinationstherapien für einzelne Patientinnen und Patienten und Krankheitskohorten sowie die Zuordnung von Arzneimitteltreffern zu Arzneimittelzielgenen und Multi-omics-Daten ermöglichen (ElHarouni et al., Pharmacol Res., 2022), und entwickeln diese weiter.

Zusammen mit dem molekularen Profiling der jeweiligen Tumorproben werden die funktionellen Informationen zur Aufstellung von Hypothesen über subtypselektive Arzneimittelkombinationen und deren prädiktive Biomarker verwendet. Dieser synergistische Ansatz unterstützt letztlich auch die optimale Gestaltung neuer klinischer Studien (z. B. neue Basket Trials). Schließlich liefern funktionelle Messungen in Kombination mit molekularen Krebsprofilen wertvolle Informationen für nachfolgende mechanistische Studien, die darauf abzielen, potenziell neue/wirksame Ziele zu validieren.

Hochauflösende phänotypische Bildanalyse mit künstlicher Intelligenz:

Wir wenden die High-Content 2D- und 3D-Bildanalyse an, um phänotypische Profile der Reaktion von Tumorzellkulturen von Patienten auf Medikamente zu erstellen. Dabei verwenden wir den Multiplex-/Zell-Painting-Ansatz, bei dem verschiedene Fluoreszenzfarbstoffe kombiniert werden, um phänotypische Informationen über einzelne Zellen und verabreichte Medikamente zu gewinnen. Mit diesem phänotypischen Profiling-Ansatz untersuchen wir, wie sich die verschiedenen Medikamente auf die unterschiedlichen Subpopulationen von Tumor- und Nicht-Tumorzellen auswirken, und klassifizieren die induzierten Zelltod-Mechanismen sowie die entitäts- und patientenspezifischen Phänotypen und das Ansprechen auf die Medikamente. Wir verwenden sowohl klassische Bildanalyseansätze (MIP (2D), volumetrische 3D-Analyse, 3D- und 2D-Kern- und Einzelzellsegmentierung, erweiterte Merkmalsextraktion (d. h. Morphologie, Form, Intensität, Textur), überwachtes und unüberwachtes Phänotyp-Clustering) als auch durchgängiges Deep Learning mit dem Ziel, komplexere und detailliertere Informationen über die Arzneimittelwirkung und das Zellverhalten zu gewinnen.

Für die Quantifizierung von bildbasierten Arzneimittelreaktionen haben wir bereits eine Methode des Deep Transfer Learning für jeden einzelnen Patienten entwickelt, bei der ein konvolutionales neuronales Netzwerk verwendet wird, das Bildinformationen in bildbasierte Zelllebensfähigkeiten umwandelt (Berker Y. et al., IEEE-Trans Med Imaging (TMI), 2022). Unsere Gruppe baut nun auf den etablierten Pipelines auf und entwickelt neue und fortschrittliche KI-basierte Bildanalysemodelle. Dabei arbeiten wir eng mit den lokalen und internationalen Bioinformatik-, KI- und Bildanalysegruppen zusammen.

Die Gruppe ist angegliedert an die Gruppe Klinische Pharmazie, FB 14 am Institut für Pharmakologie und Klinische Pharmazie der Goethe-Universität Frankfurt am Main.