Evaluating Feature Extraction in Ovarian Cancer Cell Line Co-Cultures Using Deep Neural Networks

Varje år insjuknar omkring 700 kvinnor i Sverige i äggstockscancer. Behandlingen innefattar i de flesta fall kirurgi, kemoterapi och i vissa fall så kallad målriktad behandling. Trots att primärtumören oftast kan behandlas effektivt, är återfallsfrekvensen hög och knappt hälften av kvinnorna lever fem år efter sin diagnos. Det beror dels på att sjukdomen upptäcks sent, när den redan är spridd, men också på att behandlingsalternativen vid återfall är begränsade och att cancercellerna med tiden blir resistenta mot behandlingen. Trots ökad kunskap om sjukdomen samt utveckling av nya cancerläkemedel och kombinationer av läkemedel har dödligheten i äggstockscancer inte minskat de senaste decennierna. Kvinnor får idag likartad behandling, trots att sjukdomen biologiskt och genetiskt i många fall skiljer sig helt åt. Vår nuvarande kunskap om tumörens biologiska egenskaper och vad som driver den enskilda tumörens tillväxt och resistensutveckling är begränsad.  För att förbättra överlevnaden för patienter med äggstockscancer, behöver vi öka denna kunskap och frångå “one-size fits all” behandlingar för att skräddarsy behandlingen för den enskilde individen. Det här projektet syftar till att kartlägga den individuella tumörens molekylära uttryck och koppla den till läkemedelskänslighet för att kunna förutspå den enskilda patientens svar på behandling. Vi har i laboratorium återskapat tumörmodeller och  identifierat naturligt förekommande 3D-strukturer (Oider) från ascitesvätska direkt från patienten. Dessa kartläggs genom omfattande molekylär profilering och testas för >500 läkemedel samt kombinationer av läkemedel för att hitta tumörens individuella läkemedelskänslighet. Genom dessa analyser har vi hittills kunnat funktionellt beskriva olika typer av äggstockscancer, dess tumörspecifika signalvägar samt känslighet för läkemedel. Dessa kommer studeras vidare i detta projekt och specifikt testas avseende känslighet för Wee-, SMAC- och MEK-hämmare samt kombinationer där dessa läkemedel ingår. Vi avser också att vidareutveckla teknologin för användning av naturligt förekommande 3D-strukturer (Oider) från patientens ascites, och genom dessa studera läkemedelspåverkan på cancercellens mikromiljö samt dess betydelse för läkemedelskänslighet och resistensutveckling. I förlängningen hoppas vi att detta kan leda till en helt ny diagnostisk plattform som kan underlätta användandet av skräddarsydda behandlingar för den enskilde patienten.