Return to search

Charakterisierung von in vivo Modellen des humanen nicht-kleinzelligen Lungenkarzinoms zur Therapieoptimierung

Das Bronchialkarzinom ist die häufigste Todesursache bei den Krebserkrankungen und weist eine schlechte Prognose auf. Die Behandlung besteht aus einer Chemotherapie mit platinbasierten Medikamenten, doch der Erfolg ist unbefriedigend. In den letzten Jahren wurden zielgerichtete Therapien gegen Proteine wie den EGFR entwickelt. Klinische Studien zeigten, dass nur Subpopulationen von den Medikamenten Erlotinib und Cetuximab profitieren. Eine bessere (Vor-)Selektion der Patienten ist wünschenswert, um unnötige Behandlungen zu vermeiden. Für diese Analysen bedarf es relevanter präklinischer Modelle. Im Rahmen dieser Arbeit wurden 25 Xenograftmodelle des Lungenkarzinoms vergleichend charakterisiert. Ein Schwerpunkt bestand im Vergleich der Xenografts mit ihren Patiententumoren. Die Analyse der Histologie, der Proliferationsmarker als auch der Genexpressionsprofile fand übereinstimmende Ergebnisse in den Patiententumoren und ihren abgeleiteten Xenografts. Mit Hilfe von mRNA-, Protein- und SNP-Profilen ressistenzassoziierter Marker der Chemotherapie konnte die Bedeutung der Modelle zur Charakterisierung von prädiktiven und prognostischen Markern aufklärt werden. Diese Arbeit untersuchte auch Marker der anti-EGFR-Therapien. mRNA- und Proteinprofile der ERBB-Rezeptoren sowie der Liganden wurden erstellt und stimmten mit publizierten klinischen Daten überein. Genexpressionsstudien in Erlotinib Respondern und Non-Respondern zur Therapieoptimierung identifizierten den Wachstumsfaktor VEGFA als Ziel für eine Kombinationsbehandlung mit dem Angiogeneseinhibitor Bevacizumab. Die Kombination von Bevacizumab mit Erlotinib führte zu einem reduzierten Tumorwachstum. Die Ergebnisse dieser Arbeit machten deutlich, dass die individuellen Tumoreigenschaften in den patientenabgleiteten Xenografts auf Gen- und Proteinebene erhalten bleiben und diese als Modelle zur Markeranalyse sowie zur Therapieoptimierung eingesetzt werden können. / Lung cancer is still one of the most frequent cancers worldwide. The treatment option is classical chemotherapy that is based upon the combination of platin-based drugs. But no further improvement seems to be possible. For some years targeted drugs against single proteins like the EGFR were developed. The clinical trials showed that only subpopulations of patients benefit from the treatment. A better selection of patients to avoid treatment would be helpful. Therefore, pre-clinical models that are suitable for analysis and that represent clinical populations of patients are required. In this work 25 patient derived xenografts from lung cancer were intensely studied. First, the xenografts were compared with their corresponding patient tumor. The analysis of the histology and the expression of proliferation and epithelial or mesenchymal markers showed concordance of the patient tumor and the derived xenograft. The gene expression profiles were also maintained. Further analysis should elucidate the relevance of the xenografts as models for the characterisation and validation of predictive and prognostic markers. SNP, mRNA and protein expression profiles of resistance markers for chemotherapy were generated and showed similarities with clinical data. As marker for the anti-EGFR targeted therapies the ERBB receptors and the ligands of the EGFR were analysed. The mRNA and protein expression profiles resemble clinical data sets. An optimisation of the therapy should be achieved with gene expression studies. The vascular endothelial growth factor A was identified for a combination treatment with the anti-angiogenic drug bevacizumab in erlotinib resistant tumors. The combination of erlotinib and bevacizumab reduced the tumor growth in selected models. In summary, the analysis could show that the individual characteristics of the patient tumor were maintained in the xenograft. The models are a reliable tool for studies designed to improve treatment strategies.

Identiferoai:union.ndltd.org:HUMBOLT/oai:edoc.hu-berlin.de:18452/17167
Date29 May 2012
CreatorsRolff, Jana
ContributorsFichtner, I., Uckert, W., Fröhling, S.
PublisherHumboldt-Universität zu Berlin, Mathematisch-Naturwissenschaftliche Fakultät I
Source SetsHumboldt University of Berlin
LanguageGerman
Detected LanguageEnglish
TypedoctoralThesis, doc-type:doctoralThesis
Formatapplication/pdf
RightsNamensnennung - Keine kommerzielle Nutzung - Keine Bearbeitung, http://creativecommons.org/licenses/by-nc-nd/3.0/de/

Page generated in 0.0028 seconds