Computerunterstützte Identifizierung von Resistenzmutationen
Computational identification of drug resistance mutations
Wissenschaftsdisziplinen
Informatik (50%); Medizinisch-theoretische Wissenschaften, Pharmazie (50%)
Keywords
-
Computational Drug Discovery,
Drug Resistance Mutations,
Cancer,
Driver Mutations,
Kinases
Das Auftreten von Arzneimittel - Resistenzen stellt eine große Herausforderung in der Krebsbehandlung dar. Neben anderen Ursachen spielen dabei Mutationen an den pharmakologischen Angriffspunkten der Arzneimittel eine zentrale Rolle. Im Moment werden diese Mutationen oft erst entdeckt, wenn Patienten Resistenzen entwickeln, was dazu führt, dass die Entwicklung von wirksamen Behandlungsalternativen hinterherhinkt. Informationen über wahrscheinlich auftretende Mutationen können einen großen Einfluss auf die Behandlung von Krebspatienten haben, da wirksame Medikamente früher entwickelt werden können und damit bereits zur Verfügung stehen, sobald Resistenzen auftreten. Im Vorfeld dieses Projektes wurde bereits eine computerunterstützte Methode entwickelt die es ermöglicht, Resistenz - Mutationen zu identifizieren, die mit hoher Wahrscheinlichkeit im Zuge der Behandlung mit bestimmten Krebsmedikamenten auftreten werden. Diese Methode ist allerdings auf Arzneistoffe beschränkt, für die bereits Informationen bezüglich ihrer Interaktionen mit dem jeweiligen pharmakologischen Angriffspunkt vorhanden sind und auf Mutationen, die sich in unmittelbarer Nähe dieser Interaktionsfläche befinden. Im aktuellen Projekt wird nun daran gearbeitet, den Einsatzbereich der Technik zu erweitern, um auch Arzneistoff(kandidaten) untersuchen zu können, für die noch keine Daten bezüglich ihrer Bindung an den pharmakologischen Angriffspunkt vorhanden sind. Des Weiteren wird eine neue Methode entwickelt, um zusätzlich Mutationen analysieren zu können, die weiter von der Interaktionsfläche entfernt sind und daher Resistenzen über einen anderen molekularen Mechanismus verursachen. Dieser Mechanismus ist unter anderem auch für den Effekt von krebsauslösenden Mutationen am pharmakologischen Angriffspunkt verantwortlich, weshalb die neue Methode auch in der Lage sein wird, diese zu untersuchen. Nachdem die neuen computerunterstützten Techniken umfassend getestet wurden, sollen sie an verschiedenen Enzymen angewandt werden. Diese Proteine sind die pharmakologischen Angriffspunkte von Arzneistoff-Kandidaten, die zurzeit in klinischen Studien für die Therapie bestimmter Krebsarten untersucht werden, beziehungsweise bereits zugelassen sind. Im Zuge des Projektes werden also computerunterstütze Methoden entwickelt, die eine umfassende Analyse aller Mutationen am pharmakologischen Angriffspunkt ermöglichen. So können Mutationen identifiziert werden, die mit hoher Wahrscheinlichkeit in der Klinik auftreten werden. Die Methoden können daher einen großen Einfluss auf die Entwicklung neuer Krebsmedikamente, und damit auf die Behandlung von Krebspatienten, haben.
- Universität Innsbruck - 100%
- Eduard Stefan, Universität Innsbruck , nationale:r Kooperationspartner:in
- Mathias Müller, Veterinärmedizinische Universität Wien , nationale:r Kooperationspartner:in
- Charlotte Dodson, University of Bath - Vereinigtes Königreich
Research Output
- 72 Zitationen
- 13 Publikationen
-
2021
Titel Functional Characterization of Spinocerebellar Ataxia Associated Dynorphin A Mutant Peptides DOI 10.3390/biomedicines9121882 Typ Journal Article Autor Lieb A Journal Biomedicines Seiten 1882 Link Publikation -
2024
Titel A comprehensive study of SARS-CoV-2 main protease (Mpro) inhibitor-resistant mutants selected in a VSV-based system DOI 10.1371/journal.ppat.1012522 Typ Journal Article Autor Costacurta F Journal PLOS Pathogens Link Publikation -
2024
Titel Cdk6’s functions are critically regulated by its unique C-terminus DOI 10.1016/j.isci.2024.111697 Typ Journal Article Autor Schirripa A Journal iScience Seiten 111697 Link Publikation -
2022
Titel Resistor: an algorithm for predicting resistance mutations using Pareto optimization over multistate protein design and mutational signatures DOI 10.1101/2022.01.18.476733 Typ Preprint Autor Guerin N Seiten 2022.01.18.476733 Link Publikation -
2022
Titel DISRUPTOR: Computational identification of oncogenic mutants disrupting protein interactions DOI 10.1101/2022.11.02.514903 Typ Preprint Autor Kugler V Seiten 2022.11.02.514903 Link Publikation -
2024
Titel Highly specific SARS-CoV-2 main protease (Mpro) mutations against the clinical antiviral ensitrelvir selected in a safe, VSV-based system DOI 10.1016/j.antiviral.2024.105969 Typ Journal Article Autor Rauch S Journal Antiviral Research Seiten 105969 Link Publikation -
2024
Titel Study of key residues in MERS-CoV and SARS-CoV-2 main proteases for resistance against clinically applied inhibitors nirmatrelvir and ensitrelvir DOI 10.1038/s44298-024-00028-2 Typ Journal Article Autor Krismer L Journal npj Viruses Seiten 23 Link Publikation -
2024
Titel Kinases in motion: impact of protein and small molecule interactions on kinase conformations DOI 10.1101/2024.01.11.575270 Typ Preprint Autor Kugler V Seiten 2024.01.11.575270 Link Publikation -
2023
Titel Disruptor: Computational identification of oncogenic mutants disrupting protein-protein and protein-DNA interactions DOI 10.1038/s42003-023-05089-2 Typ Journal Article Autor Kugler V Journal Communications Biology Seiten 720 Link Publikation -
2023
Titel Protocol for predicting drug-resistant protein mutations to an ERK2 inhibitor using RESISTOR DOI 10.1016/j.xpro.2023.102170 Typ Journal Article Autor Guerin N Journal STAR Protocols Seiten 102170 Link Publikation -
2023
Titel A comprehensive study of SARS-CoV-2 main protease (Mpro) inhibitor-resistant mutants selected in a VSV-based system DOI 10.1101/2023.09.22.558628 Typ Preprint Autor Costacurta F Seiten 2023.09.22.558628 Link Publikation -
2023
Titel Identification of key residues in MERS-CoV and SARS-CoV-2 main proteases for resistance against clinically applied inhibitors nirmatrelvir and ensitrelvir DOI 10.1101/2023.12.04.569917 Typ Preprint Autor Krismer L Seiten 2023.12.04.569917 Link Publikation -
2022
Titel Resistor: An algorithm for predicting resistance mutations via Pareto optimization over multistate protein design and mutational signatures DOI 10.1016/j.cels.2022.09.003 Typ Journal Article Autor Guerin N Journal Cell Systems Link Publikation