Dreifach negativer Brustkrebs (TNBC) ist eine aggressive Gruppe von Brustkrebs mit hohen Rückfallraten, schlechten Überlebensergebnissen und begrenzten Behandlungsmöglichkeiten. Das Auffinden wirksamer, personalisierter Behandlungsoptionen ist ein kritischer, unerfüllter medizinischer Bedarf. Das Verbundprojekt PeCaN hat sich zum Ziel gesetzt, diese Herausforderung anzugehen: Durch die Entwicklung fortgeschrittener Vorhersagemodelle der individuellen Reaktionen auf gezielte Behandlungen, ermöglicht durch eine detaillierte molekulare Analyse der Patientinnen und ihres Tumors. Dabei wird auch das derzeit schwierigste Problem in der Modellentwicklung adressiert: die Identifizierung der Bereiche des Computermodell-Parameterraums, die zu den genauesten Vorhersagen führen. Um parametrisierte Modelle zu erstellen, mit denen patientenspezifische Therapieantworten vorhergesagt und neue Wirkstoffziele und Biomarker identifiziert werden können, werden in diesem Verbundprojekt neue Ansätze zur Parameteroptimierung, Künstliche Intelligenz, CRISPR-basierte Zellgenetik und Einzelzell-Omics kombiniert. Die Kandidaten und Vorhersagen werden klinisch evaluiert. Die Ergebnisse bilden potenziell reale Beweise für den Nutzen und eine belastbare Grundlage für die Entwicklung zukünftiger klinischer Studien. Alacris Theranostics wird sich im Rahmen von PeCaN auf die Entwicklung und Optimierung der groß-angelegten mechanistischen Modelle (ModCell) konzentrieren und diese optimierten Modelle zu Vorhersagen über das Ansprechen auf Arzneimittel und mögliche Arzneimittelziele verwenden, die präklinisch und klinisch validiert werden können.

Brustkrebs ist mit Abstand die häufigste Krebsart bei Frauen, mit jährlich fast 70.000 neu diagnostizierten Fällen deutschlandweit (Stand 2016, Robert Koch Institut). Brustkrebs ist allerdings keine einheitliche Erkrankung, sondern lässt sich in verschiedene molekulare Subtypen unterteilen, von welchen dreifach-negativer Brustkrebs der aggressivste ist. Im Gegensatz zu anderen Subtypen, gibt es für diesen Brustkrebstyp keine zielgerichteten Therapieansätze, sondern lediglich zytotoxische Chemotherapien, oft mit sehr unterschiedlichem Ansprechen der jeweiligen Patientinnen. Die Entwicklung von Computermodellen zur Vorhersage des Ansprechens von dreifach-negativen Brustkrebspatientinnen auf Medikamente auf der Grundlage ihres molekularen Profils eröffnet neue Möglichkeiten für die personalisierte Medizin in der Onkologie. Um dieses Ziel zu verwirklichen, wird im Verbundprojekt PeCaN künstliche Intelligenz, einzellige Transkriptomik und CRISPR-basierte Zellgenetik zur Entwicklung entsprechender prädiktiver Computermodelle kombiniert. An der Martin-Luther-Universität Halle-Wittenberg werden mittels CRISPR-Technologie gezielt hunderte von Genen in dreifach-negativen Brustkrebszelllinien aus- bzw. angeschaltet und die resultierenden Genexpressionsveränderungen detektiert. Diese funktionellen Daten bilden unter anderem die Grundlage für die Parametrisierung prädiktiver Computermodelle durch die Verbundpartner. Die entwickelten Modelle werden letztlich mithilfe von klinischen Patientendaten optimiert. Die Modell-basierten Vorhersagen werden mit dem tatsächlichen Ansprechen von Brustkrebspatientinnen verglichen, um den klinischen Nutzen der entwickelten Modelle zu testen. Um die Ziele von PeCaN umsetzen zu können, besteht der Verbund aus interdisziplinären Experten aus vier europäischen Ländern.