Single-cell map of immune responses in chronic myeloid leukemia patients discontinuing tyrosine kinase inhibitor therapy

Show full item record



Permalink

http://urn.fi/URN:NBN:fi:hulib-202102171504
Title: Single-cell map of immune responses in chronic myeloid leukemia patients discontinuing tyrosine kinase inhibitor therapy
Author: Huuhtanen, Jani
Contributor: University of Helsinki, Faculty of Medicine
Publisher: Helsingin yliopisto
Date: 2020
URI: http://urn.fi/URN:NBN:fi:hulib-202102171504
http://hdl.handle.net/10138/326632
Thesis level: master's thesis
Abstract: Krooninen myelooinen leukemia (KML) on pahanlaatuinen veritauti, jonka ennuste on parantunut merkittävästi tyrosiinikinaasiestäjien (TKE) käyttöönoton jälkeen. Viimeaikaiset hoitokokeilut ovat osoittaneet, että 30–40 % KML-potilaista pystyy lopettamaan TKE-hoidon ilman taudin uudelleen ilmenemistä, mutta tutkimukset eivät ole pystyneet tuottamaan kliiniseen käyttöön tarvittavia parametreja hoitovasteen ennustamiseksi. Elimistön puolustusjärjestelmän aktivoituminen on osoittautunut tärkeäksi tavaksi kasvainsolukon tuhoamiseksi monissa syövissä, joten erot immuunijärjestelmän aktiivisuudessa voisi selittää eroja potilasryhmien välillä myös KML:ssa. Tutkimme tätä hypoteesia hyödyntämällä yksisolutekniikoita ja koneoppimista, joiden avulla voimme tarkastella erikseen syöpää tunnistavia ja syöpää tunnistamattomia immuunisoluja. Kokoamamme tutkimusaineisto käsittää lähes 150 KML-potilaan veri- tai luuydinnäytettä, joista on sekvensoitu yksittäisen immuunisolun tarkkuudella geenien aktiivisuusprofiili (n=25, scRNA+TCRab-seq) tai T-solureseptoriprofiili (n=137, TCRb-seq). Näytteemme käsittävät diagnoosivaiheen lisäksi myös näytteitä ennen TKE-hoidon lopettamista ja sen jälkeen potilailla, joilla tauti ei ole uusinut ja joilla on uusinut. Tutkimuksemme tulokset tarkentavat toimivan immuunijärjestelmän merkitystä TKE-hoidon onnistuneessa lopettamisessa. Vertailumme muihin kiinteisiin ja hematologisiin syöpiin osoittavat etenkin luonnollisten tappajasolujen (NK-solujen) tärkeän roolin KML:ssa ja selvittävät miten NK-solut vuorovaikuttavat KML-syöpäsolukon kanssa. Kouluttamamme koneoppimismalli erottelee tarkasti KML:aa tunnistavat T-solut muita kohteita tunnistavista, ja sen avulla pystymme osoittamaan miten syöpää tunnistavat T-solut liittyvät onnistuneen hoidon lopetukseen. Tutkimuksemme tarjoaa uuden tekoälypohjaisen työkalun lisäksi potentiaalisia mekanismeja, joiden avulla puolustusjärjestelmän soluja voitaisiin aktivoida esimerkiksi uusilla immuunivasteenaktivaationvapauttajilla, jotta yhä useampi potilas voitaisiin lopullisesti parantaa KML:sta.
Subject: chronic myeloid leukemia
immunology
single-cell RNA sequencing
machine learning
Full text embargoed until: 2023-02-16


Files in this item

Files Size Format View

Embargo on files ends: 2023-02-16

This item appears in the following Collection(s)

Show full item record