Digital tvilling möjliggör skräddarsydd medicinering

Vad visar er publikation?

– Det går att konstruera en digital tvilling av en enskild patients autoimmuna sjukdom. Denna tvilling databehandlas med tusentals mediciner för att finna den som är optimal för patienten. Tvillingen är en datamodell som konstrueras genom att mäta tusentals olika geners aktivitet i var och en av tusentals celler i den sjuka vävnaden, säger Mikael Benson, senior forskare vid institutionen för klinisk vetenskap, intervention och teknik, Karolinska Institutet och studiens sisteförfattare och fortsätter:

–Vi har visat att detta fungerar dels genom att bota möss med inflammerade leder med mediciner som valts genom att databehandla deras digitala tvillingar. Dessutom har vi konstruerat och databehandlat digitala tvillingar av enskilda patienters inflammatoriska tarmsjukdom utifrån ett vävnadsprov. Vi fann att effekterna av de mediciner som patienterna rutinmässigt fått stämde med databehandlingen av deras tvillingar. 

Varför är resultaten viktiga?

– Ett av sjukvårdens största problem är att många patienter inte blir bra av sina mediciner. Detta orsakar mycket stort lidande och enorma kostnader. Viktiga orsaker är att de flesta sjukdomar är oerhört komplicerade. Tusentals gener kan ändra aktivitet i miljarder celler i olika organ hos samma patient. Det är oerhört svårt att bota så komplicerade förändringar med mediciner. Dessutom kan två patienter med samma diagnos ha mycket olika förändringar, och därmed behöva olika mediciner. Den kliniska nyttan med databehandling av digitala tvillingar, kan bli att varje patient får rätt medicin vid första försöket, istället för att som nu pröva olika mediciner tills man i bästa fall finner rätt medicin.

Hur genomförde ni studien?

– Vi konstruerade först digitala tvillingar av möss med inflammerade leder med en teknik som analyserar 22 000 geners aktivitet i var och en av tusentals celler. Databehandlingen tydde på att flera nya mediciner skulle vara effektiva, vilket vi kunde visa i nya försök. Sedan applicerade vi samma metoder på mänskliga patienter med olika autoimmuna sjukdomar. Eftersom det fanns stora skillnader mellan patienter med samma diagnos konstruerade vi, och databehandlade, tvillingar av enskilda patienter. Vi jämförde resultaten av de mediciner som patienterna fått och de som databehandlingen av deras tvillingarna föreslagit. Vi fann som sagt att dessa förslag stämde väl med resultaten av de kliniska behandlingarna.

Vad är nästa steg i er forskning?

– Vi planerar nu kliniska studier för att skräddarsy medicinering till enskilda patienter med inflammatorisk tarmsjukdom med hjälp av digitala tvillingar. Vi vill också sprida metoderna för att behandla andra sjukdomar och göra metoderna och all data fritt tillgängliga för liknande studier. Vi arbetar nu med att utveckla tvillingarna för att tidigt förutsäga och förhindra sjukdom. Målet är att varje villig individ ska ha en egen tvilling från tidig ålder för att tidigt förutsäga och förhindra sjukdom. Dessutom vill vi utveckla metoder för att kontinuerligt uppdatera varje individs tvilling med ny information från individen och omvärlden, till exempel nya behandlingsmetoder.

Forskningen finansierades huvudsakligen av Vetenskapsrådet och Cancerfonden. Mikael Benson är vetenskaplig grundare av Mavatar, Inc och medförfattaren Danuta Gawel är anställd i samma företag. Joseph Loscalzo är vetenskaplig grundare av Scipher Medicine, Inc.

Publikation

”scDrugPrio: A framework for the analysis of single-cell transcriptomics to address multiple problems in precision medicine in immune-mediated inflammatory diseases”, Samuel Schäfer, Martin Smelik, Oleg Sysoev, Yelin Zhao, Desiré Eklund, Sandra Lilja, Mika Gustafsson, Holger Heyn, Antonio Julia, István A. Kovács, Joseph Loscalzo, Sara Marsal, Huan Zhang, Xinxiu Li, Danuta Gawel, Hui Wang, Mikael Benson, Genome Medicine, online xx 2024, doi: xx