0 Povzetek košarice

Vpiši iskalni niz

Projekt J3-4516

Vloga neoantigenov pri nedrobnoceličnem raku pljuč

Raziskovalni projekt ARIS
Evidenčna številka: J3-4516
Obdobje 1.10.2022 - 30.9.2025
Vodja: asist. dr. Julij Šelb, dr. med., spec.
Raziskovalna dejavnost: Medicina/Reprodukcija človeka

Seznam sodelujočih raziskovalnih organizacij:  Univerzitetna klinika za pljučne bolezni in alergijo Golnik; Nacionalni inštitut za biologijo



Vsebinski opis projekta

Učinkovito protitumorsko imunost pri ljudeh je v veliki meri mogoče pripisati T-celicam, usmerjenim proti neoantigenom, ki so prisotni na tumorskih celicah. Neoantigeni so skupina proteinov, ki so vezani na HLA molekule in nastanejo zaradi tumorsko specifičnih mutacij. Ker zaobidejo centralno timično toleranco imajo visok imunogeni potencial . Zato predstavljajo dobro tarčo za protitumorsko imunost.

Pljučni rak je med najpogostejšimi in daleč najbolj smrtonosnimi vrstami raka. Ker je kajenje glavni dejavnik tveganja za razvoj pljučnega raka, je skupaj z drugimi vrstami raka, ki so izpostavljeni veliki obremenitvi s kancerogeni, tudi med najbolj s somatskimi mutacijami (in verjetno tudi neoantigeni) obremenjenimi tipi rakov.

Koncept neoantigenov se uspešno uporablja pri rutinski obravnavi pljučnega in drugih rakov, predvsem pri zdravljenju teh bolnikov z zaviralci kontrolnih točk imunskega odziva (ZKTIO). Nedavno je FDA odobrila zdravljenje z ZKTIO pembrolizumabom pri posameznikih z napredovalimi tumorji, ki imajo visoko tumorsko mutacijsko breme (TMB; ≥10 mutacij/megabazo). TMB predstavlja posredno metodo ocene neoantigenskega bremena, vendar je veliko manj specifična, saj ocena TMB ne upošteva vseh bioloških korakov, potrebnih za predstavitev mutiranega zaporedja DNK kot neoantigena imunskemu sistemu.

ZKTIO delujejo samo na podskupino bolnikov; v splošni kohorti bolnikov z nedrobnoceličnim pljučnim rakom (NDRP) se le približno 20 % posameznikov odzove na zdravljenje. Ker imajo ZKTIO veliko neželenih učinkov (po nekaterih ocenah ima do 60 % bolnikov na ZKTIO neželene učinke) in so tudi draga zdravila, je zato izrednega pomena, da zdravljenje prejmejo le tisti, ki se bodo na zdravljenje odzvali. Vendar pa nimamo učinkovitih biomarkerjev, ki bi napovedali odziv na zdravljenje. Do danes sta bila samo zgoraj omenjeno TMB in imunohistokemična (IHK) ekspresija PD-L1 v tumorskem tkivu odobrena kot klinična označevalca za vodenje terapije z ZKTIO.

Različni multiparametrični modeli napovedi (ki upoštevajo več spremenljivk tako tumorja kot gostitelja) redno kažejo izboljšano napovedovanje odziva na zdravljenje z ZKTIO v primerjavi s samo-TMB/samo-PD-L1 IHK. Dosledno je bil v teh modelih najpomembnejši napovedi dejavnik TMB. V skladu z biološkim sklepanjem je nedavna študija pokazala, da je obremenitev z neoantigeni (mutacije, ki se predstavijo in jih prepozna imunski sistem) boljši napovedni dejavnik odziva na zdravljenje z ZKTIO kot TMB. Domnevamo, da bo uporaba neoantigenske obremenitve v takem kontekstu bistveno izboljšala natančnost napovedi takšnega modela; to bo tudi osrednja hipoteza sedanjega projekta.

Zato v projektu načrtujemo vzpostavitev algoritmov za napovedovanje neoantigenov, vi-vitro validacijo rezultatov teh algoritmov in uporabo teh rezultatov (t.i. obremenitev z neoantigeni) za izboljšanje modelov napovedovanja odziva na zdravljenje z ZKTIO. Poleg tega bomo ocenili umestitev celotnega koncepta uporabe z neoantigeni izboljšanega postopka napovedovanja odziva na zdravljenje z ZKTIO v lokalno rutinsko klinično prakso, da bi ugotovili, ali imajo lahko bolniki in lokalni zdravstveni sistem koristi od tega.


Časovnica projekta

Delovni paket (WP)

Naloge (T)

Mejniki in rezultati

Porazdelitev dela

WP1

Vzorčenje in sekvenciranje (DNK, RNA)

T1.1

Vzorčenje bolnikov

50 primernih bolnikov (napredni NDRP, 2 vzorca na tumor – centralna masa in tumorska bezgavka) pred začetkom zdravljenja z ZKTIO

GUC

T1.2

WES tumorjev

Opravljenih bo 100 WES tumorjev (2 na pacienta)

GUC

T1.3

RNA sekvenciranje tumorskih vzorcev (centralna tumorska masa)

Izvedenih bo 50 sekvenciranj RNA tumorskega vzorca (centralna tumorska masa).

GUC

WP2

Vzpostavitev uveljavljenih algoritmov za napovedovanje obremenitve z neoantigeni/ odziva na zdravljenje z ZKTIO

T2.1

Postavitev algoritma za klicanje somatskih mutacij

Algoritem za klicanje somatskih mutacij bo vzpostavljen in delujoč na strežnikih GUC

GUC

T2.2

Postavitev algoritmov za ugotavljanje bremena neoantigenov

Algoritmi za ocenjevanje bremena neoantigenov bodo vzpostavljeni in delujoči na strežnikih GUC

GUC

T2.3

Postavitev algoritmov za napovedovanje odziva na zdravljenje z ZKTIO

Algoritmi za napovedovanje odziva na zdravljenje z ZKTIO bodo vzpostavljeni in delujoči na strežnikih GUC

GUC

WP3

Eksperimentalna validacija prednostnih neoantigenskih kandidatov

T3.1

Sinteza prednostnih neoantigenskih peptidov

Predvideni 'predstavljeni in prepoznani' peptidi (neoantigeni) posameznikov z alelom HLA-A*02:01 bodo proizvedeni kot nona/dekamerji

ICI-NIB

T3.2

Izolacija/obogatitev CD8+ T celic iz periferne krvi

Proizvodnja obogatenih neoantigen reaktivnih CD8+ T celic

ICI-NIB

T3.3

Vrednotenje reaktivnosti proti neoantigenom

Izračunana bo sestavljena ocena reaktivnosti za vsak ocenjen neoantigenski peptid

ICI-NIB

WP4

Vrednotenje uveljavljenih algoritmov za napovedovanje odziva na zdravljenje z ZKTIO na trenutni kohorti

T4.1

Zdravljenje bolnikov z ZKTIO

Obravnava bolnikov v skladu z dobro klinično prakso

GUC

T4.2

Definiranje odzivnikov/neodzivnikov

Bolniki bodo po 6 mesecih zdravljenja razvrščeni kot odzivni/neodzivni v skladu z RECIST

GUC

T4.3

Ocena uveljavljenih algoritmov za napovedovanje odziva na zdravljenje z ZKTIO

Izdelan bo ROC-AUC za razlikovanje med odzivnimi/neodzivnimi bolniki glede na uveljavljene algoritme za napovedovanje odziva na zdravljenje z ZKTIO

GUC

WP5

Izpopolnitev modelov napovedi odziva na zdravljenje z ZKTIO z uporabo kohortnih podatkov projekta

T5.1

Treniranje obstoječih algoritmov na kohortnih podatkih projekta

Modeli, ki uporabljajo obstoječe napovedne dejavnike, bodo prilagojeni podatkom kohorte projekta

GUC

T5.2

Izpopolnitev obstoječih modelov z dodatnimi biološko verjetnimi napovednimi dejavniki

Izpopolnjen model napovedi odziva na zdravljenje z ZKTIO bo treniran na kohortnih podatkih projekta

GUC

T5.3

Primerjava modelov med seboj

Izdelan bo seznam modelov napovedi odziva na zdravljenje z ZKTIO, ki bodo razvrščeni glede na vrednosti ROC-AUC

GUC

WP6

Farmakoekonomska ocena uporabe najboljšega modela napovedi odziva na zdravljenje z ZKTIO v rutinski praksi v lokalnem okolju

T6.1

Farmakoekonomska ocena uporabe najboljšega modela napovedi odziva na zdravljenje z ZKTIO v rutinski praksi v lokalnem okolju

Izdelana bo farmakoekonomska ocena vključitve najboljšega modela za napovedovanje odziva na zdravljenje z ZKTIO v lokalno rutinsko klinično prakso

GUC

*GUC – Golnik university clinic; ICI-NIB - Immunology and Cellular Immunotherapy group na National Institute of Biology


Faze projekta in njihova realizacija