Vivant
- Santé, Médecine et Sciences du Vivant
- Biologie & Biochimie
Une nouvelle approche qui cible le métabolisme des cellules cancéreuses
- Tweeter
-
-
1 avis :
Cibler le métabolisme des cellules cancéreuses serait une thérapie plus efficace, expliquent, dans la revue Nature du 17 août, ces chercheurs de l’Université de Tel Aviv. En créant le premier modèle informatique du métabolisme des cellules cancéreuses à l’échelle du génome, ils sont capables de prédire quels médicaments seront efficaces sur le métabolisme d'une cellule cancéreuse. Cette approche, générique pour l’ensemble des cancers est très prometteuse pour l’évaluation de l’efficacité des nouvelles pharmacothérapies des cancers.
Les scientifiques sont à la recherche de traitements qui peuvent cibler sélectivement les cellules cancéreuses en préservant les autres cellules saines de l’organisme. Actuellement, de nombreux médicaments contre le cancer sont conçus pour cibler les cellules qui prolifèrent dans le corps et affectent des cellules saines dont la croissance est essentielle à la santé globale du corps. Ceci explique pourquoi de nombreux traitements contre le cancer, dont la chimiothérapie, ont des effets secondaires indésirables comme la nausée et la perte de cheveux.
Le Professeur Eytan Ruppin de l'Université de Tel Aviv et ses collègues de l’Institute for Cancer Research (Glasgow, UK) et de l’Institut Technion (Haifa) ont fait un grand pas en avant en démontrant l’efficacité de leurs modèles informatiques sur le cancer du rein. Cibler le métabolisme de la cellule cancéreuse elle-même peut être l'un des moyens les plus efficaces. Car les cellules cancéreuses ont une manière bien spécifique de métaboliser les nutriments pour leur croissance, expliquent les auteurs.
Ce modèle informatique est une reconstruction des milliers de réactions métaboliques qui caractérisent les cellules cancéreuses. En le comparant à un modèle pré-existant du métabolisme d'une cellule humaine normale, il permet aux chercheurs de distinguer une cellule cancéreuse d’une cellule normale et d’identifier les cibles pour les médicaments ayant le potentiel d'affecter le métabolisme du cancer. Pour vérifier leur modèle, les chercheurs ont choisi de cibler les cellules d'un type spécifique de cancer du rein. "Dans ce type de cancer du rein, nous avons prédit que l'utilisation d'un médicament qui inhibe spécifiquement l'enzyme HMOX serait sélective et efficace pour tuer les cellules cancéreuses, laissant intactes les cellules normales", explique le professeur Ruppin. Leur modèle informatique a bien été vérifié sur 2 modèles de souris et de cellules humaines.
Bien que les prédictions du modèle doivent toujours être vérifiées en laboratoire, cette méthode pourrait être très rentable et contribuer à accélérer le développement de futurs médicaments. Alors que ce premier modèle a été élaboré pour caractériser un type spécifique de cancer, cette approche peut être appliquée à l'avenir à d'autres types de cancers. "C’est le prochain grand défi”, explique le Professeur Ruppin. "Nous allons continuer à construire des modèles pour d'autres types de cancer et identifier les pharmacothérapies sélectives pour les vaincre."
Noter cet article :
Vous serez certainement intéressé par ces articles :
Une avancée majeure contre les maladies rétiniennes
Un nouveau traitement prometteur vient d’être développé par une équipe du The Korea Institute of Science and Technology (KIST), qui permet de ralentir considérablement la progression des maladies ...
Le pouvoir prédictif des essais cliniques sin silico en oncologie se confirme
Novadiscovery, une entreprise de technologie de santé de premier plan, spécialisée dans la simulation d'essais cliniques in silico via sa plate-forme jinkō, vient d'annoncer une prouesse remarquable ...
Un médicament contre l'épilepsie pourrait aussi traiter l'arthrose
Des chercheurs de Yale ont montré qu'un médicament anti-épileptique permettrait de limiter la dégradation des articulations liée à l'Arthrose. Dans des travaux précédents, les scientifiques ont ...
Recommander cet article :
- Nombre de consultations : 439
- Publié dans : Biologie & Biochimie
- Partager :