使用改进的Patient-Derived个性化癌症治疗肿瘤模型
癌症是一个主要的全球挑战,预计升级的影响由于老龄化和人口的增长。研究人员认识到,新方法诊断和治疗致命的癌症,包括确定新的药物来治疗癌症,将遏制疾病的增长影响的关键。
在几十年的研究导致了大量投资改善幸存的癌症,一个关键的挑战仍在确定新的药物,改善癌症患者的治疗结果,特别是对于癌症当肿瘤扩散到全身。
在APL生物工程每年出版,研究者建议确定新药的一个主要障碍是缺乏模型——生物模仿人类癌症的癌症研究实验室环境,准确地代表病人肿瘤。他们提供了一个视角策略发展模型通知癌症治疗使用模型从个别病人和字段需要去研究动物系统和文化系统。
“除了癌症研究更好的模型,我们正在努力发展patient-derived模型,我们可以对病人样本的快速和可靠的药物测试帮助个性化癌症治疗,”阿拉娜Welm作者说。“这是肿瘤学功能精度的概念。”
精度功能性肿瘤,肿瘤患者个体样本检测易受各种药物的上下文中patient-derived异种移植或文化系统,以指导病人治疗过程中他们的疾病。
研究人员建议一个更强大的方法来加速癌症研究的步伐是夫妇patient-derived模型开发与每天大量临床试验运行。
如果临床数据和模型整理和共享以及药物响应信息,机器学习可以促进这个大数据的分析发现在个体药物反应或耐药性的复杂的模式,这可以进一步在patient-derived模型进行测试。
研究人员设想,病人的肿瘤可能是角度分析来确定一组复杂的特性,可以用来预测响应各种疗法和通知功能药物响应数据收集从先前的研究。研究人员认为这将促进更有效的药物在治疗的选择,同时防止有毒药物管理局提供任何好处。
这些类型的数据甚至可以结合生殖系DNA序列变异预测异常的药物代谢和毒性更个性化的方法可以降低癌症的死亡率,同时尽可能减少毒性。
参考:Welm, Vaklavas C, Welm。对人类癌症的改进模型。APL Bioeng。2021;5 (1):010901。doi:10.1063/5.0030534
本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。
