PAIRWISE: Predicción de combinaciones efectivas de fármacos personalizados en cáncer basada en aprendizaje profundo

Área de la Ciencia:

• Biología computacional
• Oncología
• Farmacología

Sus antecedentes:

• Las terapias combinadas son cruciales para mejorar la eficacia del tratamiento del cáncer y prevenir la recurrencia.
• Identificar combinaciones óptimas de fármacos es un desafío debido a las numerosas posibilidades y la heterogeneidad tumoral.
• El cribado preclínico puede priorizar combinaciones sinérgicas de fármacos, pero se necesitan enfoques personalizados.

Objetivo del estudio:

• Desarrollar un modelo computacional, PAIRWISE, para predecir combinaciones sinérgicas de fármacos en cáncer.
• Abordar el desafío de identificar combinaciones de fármacos personalizadas adaptadas a subtipos de cáncer y pacientes específicos.
• Acelerar el desarrollo de la oncología de precisión mediante la nominación efectiva de combinaciones de fármacos.

Principales métodos:

• Se desarrolló PAIRWISE, un modelo diseñado explícitamente para predecir los efectos sinérgicos de las combinaciones de fármacos.
• Se aplicó PAIRWISE a líneas celulares de cáncer y a un conjunto de datos independiente de Linfoma Difuso de Células B Grandes (DLBCL) tratado con inhibidores de la Tirosina Quinasa de Bruton (BTK).
• Se validaron las predicciones utilizando cribado de alto rendimiento (HTS) de agentes aprobados o en investigación para DLBCL.

Principales resultados:

• PAIRWISE demostró un rendimiento superior en comparación con modelos competidores, logrando un AUROC de 0.847 en líneas celulares de cáncer.
• El modelo predijo con precisión combinaciones sinérgicas en DLBCL con un AUROC de 0.720.
• PAIRWISE mostró una fuerte concordancia con los resultados de cribado in vitro, validando su capacidad predictiva.

Conclusiones:

• PAIRWISE modela eficazmente los efectos sinérgicos de los fármacos y nomina combinaciones de fármacos personalizadas para el tratamiento del cáncer.
• El modelo muestra un potencial significativo para acelerar el desarrollo de la oncología de precisión.
• Este enfoque puede guiar la selección de terapias combinadas efectivas para pacientes individuales.