Onderzoekers hebben een nieuw computerhulpmiddel ontwikkeld, ALFA-K, dat kan voorspellen hoe kankercellen evolueren door winst en verlies van hele chromosomen. Deze doorbraak pakt een kritieke leemte in het kankeronderzoek aan: de onvoorspelbare aard van de aanpassing van tumoren en de resistentie tegen behandeling. Door gegevens van één cel in de loop van de tijd te analyseren, onthult ALFA-K welke chromosoomconfiguraties de overleving van kankercellen bevorderen, wat mogelijkheden biedt voor evolutiebewuste therapieën.
Het probleem van chromosomale chaos
Kankercellen accumuleren genetische fouten tijdens de deling, waarbij ze vaak hele chromosomen verkrijgen of verliezen. Hierdoor ontstaat er een gevarieerde mix van cellen in een tumor, elk met een unieke genetische samenstelling. Voorheen ontbrak het wetenschappers aan een betrouwbare methode om te bepalen welke chromosoomcombinaties de progressie van kanker veroorzaken. Het enorme aantal mogelijkheden maakte voorspellen bijna onmogelijk.
ALFA-K lost dit probleem op door duizenden cellen in de loop van de tijd te volgen, te reconstrueren hoe ze tussen chromosoomtoestanden verschuiven en te identificeren welke toestanden evolutionair voordelig zijn. Dit is cruciaal omdat de evolutie van kanker niet willekeurig is; het volgt meetbare patronen die worden beïnvloed door de samenstelling van de chromosomen en externe druk zoals behandeling.
Hoe chromosoomveranderingen tumorgedrag stimuleren
Chromosomen bevatten honderden of duizenden genen. Wanneer een kankercel een chromosoom wint of verliest, verandert deze de dosering van veel genen tegelijkertijd, waardoor de groei, deling en de stressreactie onmiddellijk worden beïnvloed. Deze veranderingen zorgen ervoor dat tumoren snelle evolutionaire sprongen kunnen maken in plaats van geleidelijke aanpassingen.
Belangrijk is dat het effect van een chromosoomverandering afhangt van het startpunt van de cel. Dezelfde verandering kan nuttig zijn in de ene genetische context en schadelijk in een andere. Dit verklaart waarom de evolutie van kanker tot nu toe zo moeilijk te voorspellen was.
ALFA-K: een nieuwe benadering om de conditie in kaart te brengen
Eerdere instrumenten behandelden chromosoomveranderingen als universeel gunstig of schadelijk. ALFA-K hanteert een meer genuanceerde aanpak en reconstrueert ‘fitnesslandschappen’ die beschrijven hoe voordelig of schadelijk een chromosoomverandering wordt gegeven aan de bestaande configuratie van een cel.
De tool kwantificeert ook de impact van chromosoominstabiliteit. Chemotherapie vergroot bijvoorbeeld vaak het aantal fouten tijdens de celdeling, waardoor tumoren sneller door deze landschappen worden geduwd. Afhankelijk van de vorm van het landschap kan dit leiden tot veerkrachtigere chromosoomconfiguraties.
In één enkele studie analyseerde ALFA-K meer dan 270.000 verschillende chromosoomconfiguraties, waardoor inzichten werden ontsloten die voorheen ontoegankelijk waren.
Verdubbeling van het hele genoom: een beschermend mechanisme
Het onderzoek verduidelijkt ook de rol van de verdubbeling van het hele genoom – wanneer een cel al zijn chromosomen kopieert. Eerdere studies suggereerden dat dit kankercellen beschermde, maar de omvang van die bescherming bleef onduidelijk. ALFA-K kwantificeert nu dat buffereffect en identificeert een drempel waarbij genoomverdubbeling voordelig wordt.
Dit is een belangrijke bevinding omdat het beschermingsniveau niet absoluut is; er is een punt waarop verdubbeling een overlevingsvoordeel oplevert.
De toekomst van evolutiebewuste kankerbehandeling
ALFA-K verschuift kankeronderzoek van observatie naar voorspelling. Door te begrijpen hoe tumoren evolueren, kunnen artsen herhaalde biopsieën effectiever interpreteren, gevaarlijke overgangen anticiperen en behandelingen selecteren die schadelijke chromosoomconfiguraties voorkomen.
Het langetermijndoel is ‘evolutiebewuste therapie’ – anticiperen op hoe tumoren zullen veranderen voordat resistentie opduikt, in plaats van achteraf te reageren. Dit onderzoek markeert een belangrijke stap in de richting van gepersonaliseerde kankerbehandeling op basis van voorspellende modellen van tumorevolutie.
De studie werd gefinancierd door het National Cancer Institute en toont het potentieel aan voor het toepassen van computationele biologie om fundamentele uitdagingen in het kankeronderzoek op te lossen.
