De Kinase Addiction Ranker (KAR) is ontwikkeld door de University of Colorado Cancer Center. Het computerprogramma voorspelt welke genen aan de basis liggen van een bepaald type kanker. Vervolgens kiest de KAR de beste kinase-remmer om de ziekte te kunnen aanpakken.
Relevante genen
Kinase-remmers gaan de groei van kankercellen tegen. Het is echter vaak moeilijk te bepalen welke kinase-remmers het best kunnen worden ingezet om bepaalde kankergenen te bestrijden. De relevante genen voor een bepaald type kanker zijn niet meteen duidelijk. Daarnaast gaan de effecten van veel remmers verder dan hun doel alleen. Ze hebben bijeffecten en remmen ook andere enzymen.
De tool selecteert een medicijn of medicijncombinatie die de relevante genen van een kankertype het meest doelgericht aanpakt.
Databronnen
De KAR doet zijn voorspellingen op basis van twee databronnen. Ten eerste gebruikt de tool data die het volledige spectrum van effecten van kinase-remmers beschrijven. Deze data beschrijven per geneesmiddel welke eiwitten worden geremd. Die gegevens worden gecombineerd met informatie uit de openbaar inzichtelijke database Genomics of Drug Sensitivity in Cancer. Hierin staat beschreven welke samenstellingen effectief zijn tegen bepaalde kankercel-lijnen.
Behandeluitkomst voorspellen
In een recente publicatie beschrijft Tan het succes van de tool. Zo was de KAR in staat in een experiment met 151 leukemiepatiënten de behandeluitkomst van een bepaald medicijn te voorspellen. Hetzelfde gebeurde in een test met 21 longkankerpatiënten.
Bron: University of Colorado Cancer Center | Foto: Ed Uthman, via Flickr Creative Commons (Cropped by DuurzaamBedrijfsleven)
