Pro studenty

Melanom je nejagresivnější kožní nádor s vysokou úmrtností a rostoucí incidencí. Zatímco metastazující melanom má špatnou prognózu, u pacientů s včasnou diagnózou přesahuje pětileté přežití 90 %. Výrazný pokrok v léčbě melanomu přinesla cílená terapie (BRAF/MEK inhibitory) a imunoterapie (PD-1, CTLA-4, LAG-3 inhibitory), které zvýšily pětileté přežití pacientů na 30–40 %. Navzdory úspěchu těchto terapií zůstávají hlavní výzvou sekundární rezistence, nízká odpověď na imunoterapii a riziko rozvoje imunitně podmíněných nežádoucích účinků (irAEs), které mohou vést k předčasnému ukončení léčby. Spolehlivá stratifikace pacientů s ohledem na výběr nejvhodnější terapie v léčbě melanomu zůstává proto klíčovou klinickou otázkou.

Vývoj účinných klinicky aplikovatelných prediktivních nástrojů pro optimální stratifikaci pacientů je proto klíčový ke zvýšení účinnosti léčby melanomu. Molekulární procesy, které probíhají během progrese nádorového onemocnění, se odrážejí nejen přímo ve tkáni pacienta, ale ovlivňují také molekulární složení krevního séra, což umožňuje sledovat dynamiku onemocnění s minimální invazivitou. Pro tento účel jsou vhodné metody založené na hmotnostní spektrometrii (MS), zejména klinicky aplikovatelná technologie matricí asistované laserové desorpce/ionizace (MALDI) MS ve spojení s prediktivními modely strojového učení. MALDI MS profilování („fingerprint“) proteinového extraktu krevního séra se osvědčilo jako standardizovaná, rychlá, spolehlivá a citlivá analytická metoda, kterou lze využít k screeningu nádorových onemocnění a ke sledování dynamiky onemocnění.

Cílem projektu je na základě optimalizované MALDI MS analýzy krevního séra vyvinout prognostický a prediktivní nástroj pro předpověď: (a) léčebné odpovědi (identifikovat vhodné kandidáty pro imunoterapii) a (b) rizika vzniku irAEs u pacientů s melanomem.

K naplnění cíle budou analyzovány vzorky od pacientů s melanomem léčených imunoterapií (anti-PD-1/CTLA4/LAG3) a kontrolní vzorky séra od zdravých dárců. Pacienti s melanomem budou rovnoměrně rozděleni do dvou kohort: (1) pacienti v dlouhodobé remisi a (2) pacienti, u nichž se vyvinula sekundární rezistence na imunoterapii. Pomocí MALDI MS bude získán celkový spektrální profil séra a budou identifikovány specifické m/z signály. Získaná data budou analyzována pomocí algoritmů strojového učení (umělé neuronové sítě a random forest) a budou sloužit k vytvoření predikčního modelu.