Yeni oluşturulan moleküler meme kanseri atlası, hastalığın farklı biçimlerini tanımlayarak kişiselleştirilmiş tedavi seçiminde devrim yaratıyor.
Moleküler Harita ve Araştırmanın Kapsamı
3 Kasım’da Cell Reports Medicine dergisinde yayımlanan bir çalışmada, Vanderbilt-Ingram Cancer Center araştırmacıları, 22 bağımsız çalışmadan elde edilen 7.600’den fazla tümör verisini entegre ederek, şimdiye kadar oluşturulan en büyük meme kanseri transkriptomik haritasını oluşturdu. Transkriptom, bir tümör tarafından üretilen RNA moleküllerinin tamamıdır ve gen ekspresyonu ile diğer moleküler özellikler hakkında biyolojik detaylar sunar.
Brian Lehmann, Vanderbilt Health’te Tıp Araştırma Doçenti, “Meme kanseri atlası, hastalığın moleküler çeşitliliğine daha önce hiç olmadığı kadar ayrıntılı bir bakış sunuyor ve farklı klinik sonuçlar, biyolojik özellikler ve tedavi hassasiyetleri ile ilişkilendirilen belirgin tümör popülasyonlarını ortaya çıkarıyor,” dedi.
Geleneksel Sınıflandırmaların Sınırları
Meme kanseri, genellikle hormon (östrojen, progesteron) ve HER2 reseptörlerinin varlığına veya yokluğuna göre sınıflandırılır ve tedavi edilir. Transkriptomik profil çıkartma, bazı moleküler alt türleri daha da tanımlamış olsa da, aynı alt türe verilen klinik yanıtlar değişkenlik göstermektedir.
Lehmann ve Jennifer Pietenpol, Vanderbilt Health’te Araştırma İcra Başkan Yardımcısı, önceki çalışmalarda, üçlü negatif meme kanserinin moleküler alt türlerini tanımlamışlardır. Bu araştırmalar, farklı üçlü negatif meme kanseri alt türlerinin tedavi ajanlarına karşı farklı hassasiyetler gösterdiğini ortaya koymuş ve hedefe yönelik tedaviler için klinik denemelere yön vermiştir.
Veri Entegrasyonu ve Yeni Buluntular
Yeni çalışmada, araştırmacılar tüm meme kanseri türlerini kapsayan transkriptomik verileri dahil ederek yaklaşımlarını genişletmişlerdir. Kanser genomikleri alanındaki en uzun süredir var olan zorluklardan biri, farklı çalışmalar, dizileme platformları ve analitik yöntemler arasında veri karşılaştırmanın zorluğudur.
Lehmann, bu engelleri aşmak için, tek hücre genomikleri için geliştirilmiş hesaplama yaklaşımlarını uyarladıklarını belirtti. Sonuç olarak, meme kanserlerini ortak moleküler özellikler, tedavi yanıtları ve klinik sonuçlar ile paylaşan birbirine bağlı kümelere ayıran bir atlas oluşturulmuştur.
Atlasın Öne Çıkan Bulguları
Atlas, geleneksel meme kanseri kategorileri içinde önemli biyolojik çeşitlilikler ortaya koyarak mevcut sınıflandırmaların tümörler arasındaki klinik açıdan önemli farklılıkları tam olarak yansıtmadığını gösteriyor.
Östrojen reseptörü düşük olan meme kanserleri, geleneksel olarak tedavi edildikleri şekilde ER-pozitif değil, ER-negatif hastalık gibi davranıyor ve farklı tedavi yaklaşımları gerektirebilir.
Atlas, HER2 sinyalizasyonuna en çok bağımlı olan HER2-pozitif tümör alt gruplarını tanımlamakta ve bu tümörlerin belirli türdeki HER2 kinaz inhibitörlerinden fayda görebileceğini göstermektedir.
Ayrıca, standart kemoterapi-sonrası daha kötü sonuçlarla ilişkili gizli bir nöroendokrin meme kanseri formunu da ortaya koymakta ve FGFR1’in potansiyel bir tedavi hedefi olabileceğini vurgulamaktadır.
Gelecek Hedefleri ve Uygulamalar
Lehmann, “En önemli bulgulardan bazıları, gözlerimizin önünde gizlenmiş tümörlerden geldi,” dedi. “Mevcut sınıflandırma sistemlerinde rutin olarak tanınmayan, kötü sonuçlar yaşayan hasta popülasyonlarını tanımladık ve karşılanmamış klinik ihtiyaçları ele alabilecek potansiyel tedavi fırsatlarını keşfettik.”
Atlasın yanı sıra, araştırmacılar, standart toplu RNA dizileme verilerini kullanarak tümörleri alt türlere atayabilen bir araç da geliştirmiştir. “Sonraki kritik adım, bu transkripsiyonel alt türler tarafından yönlendirilen tedavi kararlarının hasta sonuçlarını iyileştirip iyileştirmediğini belirlemek için prospektif testler yapmaktır,” şeklinde belirtti.
Lehmann, “Amacımız, hastaları tümörlerinin biyolojisine dayalı tedavilere eşleştirmektir. Bu atlas, o vizyona ulaşmak için hem bir yol haritası hem de pratik bir çerçeve sunmaktadır,” dedi.
Araştırmacılar, bu hesaplama yaklaşımının meme kanserinin ötesinde, geniş bir hastalık yelpazesindeki transkriptomik, proteomik ve diğer büyük ölçekli moleküler veri setlerini entegre etmek için de uygulanabileceğini belirtti.
