KAIST 的科学家们相信，他们可能已经找到了一种方法，可以将一种侵袭性的、对治疗有抵抗力的乳腺癌转变为一种危险性较低、对治疗反应良好的乳腺癌。该研究涉及使用数学模型来解开两种类型乳腺癌中发生的复杂遗传和分子相互作用，但可以扩展以寻找治疗许多其他乳腺癌的方法。该研究的结果发表在《癌症研究》杂志上。
基底样肿瘤是最具侵袭性的乳腺癌类型，预后最差。化疗是唯一可用的治疗选择，但患者的复发率很高。另一方面，luminal-A乳腺癌对特异性靶向其细胞表面受体(称为雌激素受体 α (ERα))的药物反应良好。
KAIST 系统生物学家 Kwang-Hyun Cho 及其同事分析了基底样乳腺癌和管腔 A 型乳腺癌复杂的分子和遗传相互作用，以找出是否有可能将前者转换为后者并为患者提供更好的反应机会到治疗。
为此，他们访问了大量癌症和患者数据，以了解这两种类型涉及哪些基因和分子。然后他们将这些数据输入到一个数学模型中，该模型将基因、蛋白质和分子表示为点，将它们之间的相互作用表示为线。该模型可用于进行模拟并查看当某些基因打开或关闭时相互作用如何变化。
“已经有大量研究试图找到治疗基底样乳腺癌患者的治疗靶点，”Cho 说。“但由于癌症的复杂性和动态性，临床试验失败了。为了克服这个问题，我们将乳腺癌细胞视为一个复杂的网络系统，并实施了一种系统生物学方法来揭示使我们能够重新编程基础的潜在机制。 -就像进入 luminal-A 乳腺癌细胞一样。”
使用这种方法，然后对真实的乳腺癌细胞进行实验验证，该团队发现关闭两个关键的基因调节因子，称为 BCL11A 和 HDAC1/2，将一种基底样癌症信号通路转变为另一种被 luminal-A 癌症使用的信号通路细胞。该开关重新编程癌细胞，使它们对靶向 ERα 受体的药物更敏感。然而，还需要进一步的测试来确认这也适用于动物模型并最终适用于人类。
“我们的研究表明，系统生物学方法可用于识别新的治疗靶点，”Cho 说。
研究人员现在正在扩展其乳腺癌网络模型，以包括所有乳腺癌亚型。他们的最终目标是确定更多的药物靶点，并了解可能促使耐药细胞转变为药物敏感细胞的机制。