Refine
Has Fulltext
- yes (4)
Is part of the Bibliography
- yes (4)
Document Type
- Doctoral Thesis (4)
Keywords
- Krebs <Medizin> (4) (remove)
Institute
- Pathologisches Institut (4) (remove)
Humane oder humanisierte monoklonale Antikörper haben sich in den letzten zehn Jahren als Arzneimittel etabliert. Sie sind hochspezifisch und zeigen in ihrer Anwendung im Vergleich zu konventionellen Therapeutika viel weniger Nebenwirkungen. In den 80er Jahren gelang es am Pathologischen Institut der Universität Würzburg eine Reihe von humanen Antikörpern aus Patienten zu isolieren, die hochspezifisch mit malignen Zellen reagieren und diese sowohl in vitro als auch im experimentellen Tiermodel selektiv durch Induktion von Apoptose töten. Um die Wirkungsweise von monoklonalen Antikörpern in der Krebstherapie zu erhöhen, werden die meisten in Kombination mit herkömmlichen Methoden, wie Chemotherapie, eingesetzt. Die ideale Therapieform sind hinsichtlich der Nebenwirkungen sog. Cocktails aus verschiedenen monoklonalen Antikörpern. Allerdings sind die Studien hierzu noch wenig fortgeschritten. Das Ziel dieser Arbeit war es, in präklinischen Versuchsreihen den Einsatz verschiedener tumorspezifischer humaner monoklonaler Antikörper als Cocktail und in Kombination mit Chemotherapie zu evaluieren. Hierzu wurden neun Antikörper in 32 verschiedenen Antikörperkombinationen hinsichtlich ihrer Auswirkungen auf die in vitro Proliferation einer Pankreaskarzinom-Zellinie untersucht. In Immunfluoreszenz-Aufnahmen ließ sich zeigen, dass kombinierte Antikörper an unterschiedlichen Stellen an der Zelle binden, was eindeutig auf verschiedene Zielstrukturen hinweist. Einige werden dabei endozytiert, während andere auf der Zellmembran bleiben. Interessanterweise ließen sich Kombinationen identifizieren, deren antiproliferative Wirkung sowohl additiv als auch synergistisch ist, das heißt größer als die Summe ihrer Einzelaktivitäten. Wurden Antikörper mit Zytostatika (5-Flurouracil) kombiniert, so ließen sich ebenfalls synergistische Effekte beobachten. In FACS-Analysen zeigt sich ein gesteigertes Bindungsverhalten der Antikörper, wenn die Zellen mit 5-FU vorinkubiert wurden. Zusammenfassend bestätigen die Ergebnisse dieser Arbeit die Beobachtung, dass die Wirkung humaner monoklonaler Antikörper in Kombination mit Chemotherapie erhöht werden kann. Für die Zukunft humaner Antikörper als Therapiemittel gegen maligne Erkrankungen mag allerdings noch wichtiger sein, dass Antiköper in Cocktails tatsächlich synergistische Wirkung zeigen können.
Humane Antikörper sind aufgrund ihrer spezifischen, zielgerichteten Eigenschaften die idealen therapeutischen Waffen unserer modernen Medizin. Schon im ausgehenden letzen Jahrhundert gelang es dem pathologischen Institut der Universität Würzburg einige rein humane monoklonale Antikörper aus Geweben sowohl gesunder, als auch an einem Tumorleiden erkrankter Patienten zu isolieren. Zwei dieser Antikörper galt es im Rahmen dieser Arbeit näher zu untersuchen: LM-1 und PAM-1 , beides rein humane monoklonale IgM-Antikörper. Mithilfe immunhistochemischer Färbungen auf Paraffinschnitten von Adenocarcinomen des Colons, Carcinomen des Pancreas und Adeno- und Plattenepithelcarcinomen der Lunge ließ sich eindeutig demonstrieren, daß bei beiden Antikörpern eine tumorspezifische Reaktivität ohne Kreuzreaktion mit den umgebenden gesunden Geweben auf fast allen der ausgewählten Fälle der begutachteten Tumorarten vorlag. Daraus lässt sich eine zuverlässige und selektive Expression der jeweiligen Antigene auf den maligne entarteten Zellen folgern, die sich auch bei Betrachtung der Stadien der Tumoren und des Gradings der Zellen konstant zeigte. Damit scheint soweit keinen Zusammenhang zwischen der Entdifferenzierung der tumorösen Zellen, als auch der Größe und des Fortschreiten des Tumors erkennbar. Die hier demonstrierten Ergebnisse lassen sowohl PAM-1 als auch LM-1 als verlässliche Marker für multiple epitheliale Tumoren und deren Vorstufen erscheinen und können somit als wertvolles diagnostisches und wahrscheinlich auch therapeutisches Mittel eingestuft werden, doch muss die Diskussion dieser Aspekte weiterführenden Untersuchungen überlassen werden.
Bei vielen Karzinomen spielt EGFR und das KRAS-Onkogen eine wichtige Rolle in der Tumorentstehung. Da bei den seltenen Karzinomen an Kopfspeicheldrüsen sehr wenig über molekulare Mechanismen der Tumorgenese bekannt ist, war es das Ziel der Arbeit den EGFR-Signalweg zu untersuchen. Es wurden Paraffinschnitte von 43 Speicheldrüsenkarzinomen von den Typen ACC, MEC und Adeno-Ca NOS mit dem phosphorylierten EGFR-Antikörper gefärbt und mit klinisch-pathologischen Daten korreliert. Weiterhin wurde eine Mutationsanalyse der kras-Gensequenz durchgeführt. In allen Fällen war das kras-Gen vom Wildtyp. Bei der Expressionsanalyse von EGFR stellte sich heraus, dass 79% der Proben einen aktivierten EGF-Rezeptor besitzen. Statistisch signifikante Korrelationen gab es zwischen der EGFR-Expression und dem Patientenalter, dem zervikalen Lymphknotenbefall und der Tumorgröße. Der EGF-Signaltransduktionsweg ist bei den untersuchten Karzinomen der Kopfspeicheldrüsen im überwiegenden Masse aktiviert, ohne dass eine autonome Aktivierung beim KRAS-Onkogen vorliegt.
Machine-Learning-Based Identification of Tumor Entities, Tumor Subgroups, and Therapy Options
(2023)
Molecular genetic analyses, such as mutation analyses, are becoming increasingly important in the tumor field, especially in the context of therapy stratification. The identification of the underlying tumor entity is crucial, but can sometimes be difficult, for example in the case of metastases or the so-called Cancer of Unknown Primary (CUP) syndrome. In recent years, methylome and transcriptome utilizing machine learning (ML) approaches have been developed to enable fast and reliable tumor and tumor subtype identification. However, so far only methylome analysis have become widely used in routine diagnostics.
The present work addresses the utility of publicly available RNA-sequencing data to determine the underlying tumor entity, possible subgroups, and potential therapy options. Identification of these by ML - in particular random forest (RF) models - was the first task. The results with test accuracies of up to 99% provided new, previously unknown insights into the trained models and the corresponding entity prediction. Reducing the input data to the top 100 mRNA transcripts resulted in a minimal loss of prediction quality and could potentially enable application in clinical or real-world settings.
By introducing the ratios of these top 100 genes to each other as a new database for RF models, a novel method was developed enabling the use of trained RF models on data from other sources.
Further analysis of the transcriptomic differences of metastatic samples by visual clustering showed that there were no differences specific for the site of metastasis. Similarly, no distinct clusters were detectable when investigating primary tumors and metastases of cutaneous skin melanoma (SKCM).
Subsequently, more than half of the validation datasets had a prediction accuracy of at least 80%, with many datasets even achieving a prediction accuracy of – or close to – 100%.
To investigate the applicability of the used methods for subgroup identification, the TCGA-KIPAN dataset, consisting of the three major kidney cancer subgroups, was used. The results revealed a new, previously unknown subgroup consisting of all histopathological groups with clinically relevant characteristics, such as significantly different survival. Based on significant differences in gene expression, potential therapeutic options of the identified subgroup could be proposed.
Concludingly, in exploring the potential applicability of RNA-sequencing data as a basis for therapy prediction, it was shown that this type of data is suitable to predict entities as well as subgroups with high accuracy. Clinical relevance was also demonstrated for a novel subgroup in renal cell carcinoma. The reduction of the number of genes required for entity prediction to 100 genes, enables panel sequencing and thus demonstrates potential applicability in a real-life setting.