Steer A, Chemlal D, Varlet E, Machura A, Kassambara A, Alaterre E, Requirand G, Robert N, Hirtz C, De Boussac H, Bruyer A, Moreaux J. P843: Metabolomische Charakterisierung einer menschlichen multiplen Myelom-Zelllinie zur Untersuchung der Tumorresistenz gegen verschiedene Klassen von Therapeutika. Hemasphere. 2022. PDF herunterladen
Zusammenfassung der Studie
Medikamentenresistenz beim Multiplen Myelom (MM) ist häufig das Ergebnis von Tumorplastizität und Überlebensmechanismen, die sich an therapeutischen Stress anpassen. In dieser Studie wurde versucht, den metabolischen Phänotyp von MM-Zelllinien zu charakterisieren und mit der Therapieresistenz zu verbinden.
Eine Gruppe von 20 humanen MM-Zelllinien (HMCLs) wurde mit dem Seahorse XFe96 Mito Stress Assay auf ihre Stoffwechselaktivität untersucht. Eingeschlossene Maßnahmen:
- Sauerstoffverbrauchsrate (OCR)
- Extrazelluläre Übersäuerungsrate (ECAR)
- Ersatz-Atmungskapazität (SRC)
Transkriptomische Profilerstellung (RNAseq) wurde dann verwendet, um einen genbasierten metabolomischen Score zu entwickeln, der von 112 glykolytischen und OxPhos-bezogenen Genen abgeleitet wurde.
Wichtigste Ergebnisse
- Zelllinien zeigten unterschiedliche metabolische Abhängigkeiten (glykolytisch vs. mitochondrial)
- Der Metabolomic Score korrelierte stark mit den funktionellen Stoffwechselergebnissen
- In zwei unabhängigen Patientenkohorten (MMRF CoMMpass, E-MTAB-362) sagte ein hoher metabolomischer Score ein schlechtes Gesamtüberleben voraus
- Eine hohe mitochondriale ATP-Produktion korrelierte mit Resistenz gegenüber Proteasom-Inhibitoren (P = 0,023)
Alboukadel Kassambara trug zur transkriptomischen Datenintegration, Score-Modellierung und klinischen prognostischen Analysen bei und half bei der Validierung des metabolomischen Scores über funktionelle und Patientendatensätze.
Zitat
Publikation: In Hemasphere (Poster Abstract)
Datum: 23. Juni, 2022
Typ: Poster Präsentation
PDF: Download der PDF
Wissenschaftliche Beiträge
Hier sind weitere wissenschaftliche Abstracts, die von Alboukadel Kassambara verfasst oder mitverfasst wurden. Diese Beiträge umfassen computergestützte Biologie, Bioinformatik, Biostatistik, maschinelles Lernen und Multi-Omics, mit Schwerpunkt auf Immuno-Onkologie und translationaler Forschung.
