NetraMark Holdings Inc. gab die Präsentation neuer Daten bekannt, die beschreiben, wie die firmeneigene NetraAI-Lösung für klinische Studien neuartige Biomarker und Protein-Protein-Interaktionswege (PPI) identifiziert hat, die mit bestimmten Formen von nicht-kleinzelligem Lungenkrebs (NSCLC) und Darmkrebs (CRC) assoziiert sind. Dabei werden kleine Datensätze und ein selbstlernender Algorithmus verwendet, der die Notwendigkeit großer Trainingsdatensätze überflüssig macht. Diese Erkenntnisse, oder NetraPerspectives, haben das Potenzial, die personalisierte Medizin durch Strategien zur Patientenanreicherung voranzubringen und gleichzeitig neue diagnostische und therapeutische Wege zu eröffnen, um die Patientenversorgung und die Behandlungsergebnisse in diesen komplexen Indikationen zu verbessern. Dr. Joseph Geraci, PhD, Gründer und Chief Scientific Officer von NetraMark, präsentierte die Daten gestern in zwei Postern auf der Jahrestagung 2024 der American Association of Cancer Research (AACR), die vom 5. bis 10. April 2024 in San Diego, Kalifornien, stattfindet.

Beide Poster wurden im Rahmen der "Late-Breaking Research" präsentiert: Bioinformatik, Computerbiologie, Systembiologie und konvergente Wissenschaft 2" präsentiert, die gestern stattfand. Das Poster mit dem Titel "NetraAI-driven discovery of novel biomarkers in MSI-high colon cancer for precision immunotherapy" (Abstract #LB395) beschreibt die Verwendung von Attractor AI Algorithmen zur Identifizierung von kausalen Clustern von Variablen (Hypothesen), die bestimmte Subpopulationen von Patienten mit Mikrosatelliteninstabilität-hoch (MSI-H) Darmkrebs erklären. MSI-H-Tumore zeichnen sich durch eine hohe Mutationslast aus, die die Produktion von Neoantigenen fördert und die Sichtbarkeit des Immunsystems erhöht, was sie zu erstklassigen Kandidaten für eine Immuntherapie macht.

Dieselben Faktoren tragen jedoch zu einer Heterogenität bei, die die Wirksamkeit gezielter Therapien weiter erschwert. NetraAI wurde auf einen Datensatz angewandt, der aus Zehntausenden von RNA-Expressionsvariablen aus 390 Proben von CRC-Patienten bestand. Zu diesen Profilen gehörten 44 MSI-H und 21 MSI-low (MSI-L) Proben und der verwendete Datensatz bestand aus insgesamt 22.283 Variablen.

Zu den wichtigsten Ergebnissen der Analyse gehören: In einer NetraPerspektive wurde eine MSI-H-Subpopulation identifiziert, die aus 29 MSI-H- und 2 MSI-L-Proben bestand. Diese Subpopulation ist durch die Expression von CATSPERB (p=1,2 x 10-7), MLPH (p=4,9 x 10-5), FUT8 (p=8,6 x 10-5), DUSP4 (p=1,1 x 10-3) und PLLP (p=0,01) gekennzeichnet. Die Konstruktion von PPI-Netzwerken auf der Grundlage der identifizierten Variablen deutet auf ein komplexes Zusammenspiel zwischen ihnen hin, insbesondere im Zusammenhang mit der Spermatogenese.

Die Mismatch-Reparatur (MMR) ist für die Gewährleistung der genetischen Integrität während der Spermienproduktion unerlässlich. Die Ergebnisse der NetraAI-Analyse legen nahe, dass Defekte in der MMR eine kausale Rolle bei der genetischen Instabilität spielen, die bei MSI-H CRC zu beobachten ist. Die Spezifität von CATSPERB für eine MSI-H-Kolonkarzinom-Untergruppe macht es zu einem potenziellen Biomarker für die Identifizierung von Patienten, die von maßgeschneiderten therapeutischen Ansätzen profitieren könnten, was einen Beitrag zur personalisierten Medizin darstellt.

Das CATSPERB-Protein wird in erster Linie mit Kalziumkanälen in Spermien in Verbindung gebracht, aber seine Überexpression in einer Untergruppe von MSI-H Darmkrebspatienten deutet darauf hin, dass das Protein die Kalzium-Signalübertragung in Tumorzellen modulieren könnte, von der bekannt ist, dass sie eine Rolle bei einer Vielzahl von zellulären Prozessen spielt, die die Vermehrung, das Überleben und die Metastasierung von Krebszellen vorantreiben. Das Poster mit dem Titel "The power of NetraAI: Precision medicine in oncology through sub-insight learning from small data sets" (Abstract #LB396) beschreibt die Verwendung von Attractor AI Algorithmen zur Identifizierung von Variablen, die spezifische Subpopulationen von Patienten mit NSCLC definieren. Ein kleiner Datensatz, bestehend aus 104 Genexpressionsproben von Adenokarzinomen (ADC) und Plattenepithelkarzinomen (SSC), wurde aus zwei NSCLC-Datensätzen zusammengestellt.

Zu den wichtigsten Ergebnissen der Analyse gehören: Eine NetraPerspektive zeigte mehrere erklärbare Subpopulationen von NSCLC, die in erster Linie als ADC- oder SCC-Subpopulationen stratifiziert waren. Interessanterweise gab es mehrere Subpopulationen jedes Subtyps, was darauf hindeutet, dass verschiedene Kombinationen von Variablen spezifische ADC- und SCC-Subtypen antreiben. Die Untersuchung der einzelnen Subpopulationen mit Hilfe der einzigartigen Zoomfunktionen von NetraAI identifizierte die spezifischen Patienten und charakterisierenden Variablen.

In einer NetraPerspektive unterschied NetraAI zwischen ADC- und SCC-Subtypen durch einzigartige genetische Signaturen, wobei 9 von 10 Variablen mit bekannten NSCLC-Markern korrelierten. Dies validiert die von NetraAI verwendeten Methoden und Technologien. PIGX entpuppte sich aufgrund seiner bisher unerforschten Rolle in der Krebsbiologie als neues Ziel.

Eine weitere Untersuchung der PPI-Netzwerke ergab eine signifikante Verbindung zwischen PIGX und BACE1, einem Protein, das bei der Metastasierung von NSCLC im Gehirn eine Rolle spielt. Dies eröffnet neue Wege zum Verständnis der molekularen Mechanismen, die dem Fortschreiten von Krebs und der Metastasierung zugrunde liegen. PIGX ist auch mit PIGN verwandt, das mit genomischer Instabilität in Verbindung gebracht wird und Checkpoint-Proteine für den Spindelaufbau bei der Transformation und Progression von Leukämie reguliert.