ERA-NET: Mathematical modeling of TKI effects and immune response to predict patient-specific treatment dynamics in CML

Arbeidet med å lage en matematisk modell pågår i det internasjonale konsortiet. Arbeidet er ikke ferdigstilt. Data fra Nordiske studier er lagt inn i den felles databasen. I Tromsø arbeider man med å karakterisere interaksjoner av våre vanlige tyrosinkinasehemmere for KML på ulike enzymer i humane celler, spesielt med tanke på viktige molekyler i immunsystemet for å forklare ulike observerte effekter og bivirkninger klinisk. Kliniske data er bearbeidet i Helsingfors og det er lagt inn immunologiske data fra våre ulike kliniske studier. Modellering fra disse prosjektene har ført til en publikasjon av Hähnel i Cancer Research og dataene støtter at det er en avgjørende immunologisk komponent. Vi fortsetter å jobbe med singelcelleteknikker for å forstå sammensetningen av immunsystemet hos pasienter med varierende respons og under behandlingsstopp.

Konsortiet har mottatt data fra Nordisk CML studiegruppes immunologiske prosjekter og integrert dette i en større database Arbeidet fortsetter men har allerede resultert i en matematisk modell som taler sterkt for at immunologiske mekanismer er viktige for hvorvidt pasienter som stopper behandling får tilbakefall eller ei. I vårt bidrag med off-target effekter av ulike KML-hemmere har vi samlet data fra en mengde publikasjoner og andre kilder for å se på interaksjoner av hemmerne på molekyler som er viktige i immunologiske prosesser, men også utenfor tyrosinkinasefamilien. Dette kan gi pekepinn for mekanismer for bivirkninger og forskjeller i immunologiske effkter av hemmerne. .

Our consortium of European CML researchers aims to combine data from multiple clinical studies in which we have good clinical data, but also have studied primitive cell fractions / stem cells or have made characterizations of the immune system. This applies both to the initial treatment course, but also to studies of treatment discontinuation in the patients with excellent clinical response. There is evidence that characteristics of the immunological system, in particular numbers of NK cells and their function plays a role for success in terms of achievement of deep response but also success of discontinuation in terms of relapse-free survival without treatment , i. e. "cure". In a first phase we will combine the available date in a meaningful way and attempt to identify "gaps" in data. If we have relevant biobanked material new assays may be possible for select parameters. In a second phase we will develop several improved mathematical models for prediction of individual response and likelihood of successful discontinuation In a third phase we will try to develop practical tools for individual patient response prediction/ fate.