Universität zu Köln

Müller, Nina (2018). Cancer Evolution and the Emergence of Resistance to Targeted Cancer Therapy. PhD thesis, Universität zu Köln.

Preview

PDF these_publication_digitalVersion.pdf Download (18MB) | Preview

Abstract

Targeted therapy to cancer acts on the molecular abnormalities driving a specific tumor. In clinical use, targeted therapies can lead to an impressive, but ultimately short-lived regression of solid tumors: In virtually all cases, a therapy-resistant tumor arises during targeted therapy, thus limiting its long-time efficacy. From a population dynamics perspective, the failure of targeted mono-therapy is inevitable: a sufficiently large population of tumor cells contains therapy-resistant mutants as part of its standing genetic heterogeneity. Therapy then selects resistant mutants leading to a tumor consisting of resistant cells. As resistance to targeted therapy can be caused by diverse molecular mechanisms, targeting one particular resistance mechanism only leads to the emergence of resistance via another. If targeted therapy is to achieve a long-term tumor remission, it needs to address all resistance mechanisms present in a population of cancer cells. As a proof of principle, we systematically derive cell lines resistant to combinations of targeted agents from PC9 cells, a well-studied lung cancer cell line. By characterizing the respective resistant lines, we show that several distinct resistance mechanisms exist simultaneously in the cell population prior to treatment. We derive four cell lines driven by different resistance mechanisms. A drug combination targeting all these mechanisms prevents indefinitely the expansion of resistant cells. Our findings explain why, for solid tumors, long-term control of the disease with targeted therapy has proven elusive so far and point to a treatment strategy differing from current clinical practice: Instead of keeping the treatment fixed until a relapse occurs, tumor evolution has to be anticipated by targeting a broad spectrum of possible resistance mechanisms as early as possible. Our iterative protocol offers a generic approach to explore the spectrum for resistance mutations and can be applied to cell lines driven by different molecular mechanisms. However, large populations also contain non-dividing cells in a drug tolerant state, which a curative treatment would need to eradicate. To study this type of phenotypic heterogeneity, we develop a statistical model to infer growth rates in a population from single-cell lifetime measurements. Our method offers a way to study the dynamics of drug tolerant cells and, if applied to cancer data, could clarify to what extent the drug tolerant state is heritable.

Item Type:	Thesis (PhD thesis)
Translated abstract:	Abstract Language Zielgerichtete Krebstherapie wirkt auf die molekularen Anomalien, die das Wachstum eines bestimmten Tumors antreiben. Klinisch kann zielgerichtete Krebstherapie zu einem beeindruckenden Rückgang von Tumoren führen, welcher aber nur von kurzer Dauer ist: In praktisch jedem Fall tritt während der Therapie Resistenz auf, was den langfristigen Nutzen der Therapie begrenzt. Aus Sicht der Populationsdynamik ist das Versagen von zielgerichteter Krebstherapie mit nur einem Medikament unausweichlich: Eine genügend große Population an Tumorzellen enthält als Teil ihrer genetischen Heterogenität Mutanten, welche auf das Medikament resistent sind. Die Therapie selektiert somit resistente Zellen, was zu einem neuen, resistenten Tumor führt. Weil Resistenz auf zielgerichtete Therapie normalerweise durch verschiedene molekulare Mechanismen auftreten kann, führt eine Therapie, welche auf nur einen bestimmten Resistenzmechanismus zugeschnitten ist, lediglich zum Auftreten von Resistenz über einen anderen Mechanismus. Daher müssten, wenn zielgerichtete Therapien zu einem langfristigen Tumorrückgang führen sollen, alle Resistenzmechanismen, welche in einer Krebszellpopulation existieren, berücksichtigt werden. Für einen Grundsatzbeweis isolieren wir systematisch Zelllinien, welche resistent auf Kombinationen von zielgerichteten Medikamenten sind. Als Modellsystem nutzen wir PC9 Zellen, eine bekannte Lungenkrebszelllinie. Indem wir die jeweiligen resistenten Linien charakterisieren, zeigen wir, dass bereits vor Beginn der Therapie verschiedene Resistenzmechanismen gleichzeitig in einer Population existieren. Wir leiten vier resistente Linien ab, die alle einen unterschiedlichen Mechanismus aufweisen. Eine Medikamentenkombination, die auf all diese Mechanismen abzielt, verhindert das Auftreten weiterer Resistenzen. Unsere Ergebnisse erklären, warum die langfristige Kontrolle von Tumoren mit zielgerichteter Therapie bislang nicht erfolgreich war und legen eine neue Behandlungsstrategie nah: Anstatt bei konstanter Therapie auf einen Rückfall zu warten, sollte der Evolution des Tumors zuvorgekommen werden, indem die Therapie so früh wie möglich neben dem Wildtyp auch auf ein breites Spektrum an möglichen Resistenzmechanismen abzielt. Unser iteratives Protokoll bietet eine generelle Herangehensweise, mit welcher man das Resistenzspektrum verschiedener Zelllinien untersuchen kann. Dennoch enthalten große Populationen neben resistenten Mutanten auch Zellen, die sich nicht oder nur sehr langsam teilen, aber die Therapie überleben. Diese ''schlafenden Zellen'' müssten durch eine kurative Therapie ebenfalls beseitigt werden. Um diese Art der phänotypischen Heterogenität zu untersuchen, entwickeln wir ein statistisches Modell, mit dem wir Wachstumsraten aus der Messung von Lebenszeiten einzelner Zellen inferieren können. Unsere Methode kann dazu genutzt werden, die Dynamik der schlafenden Zellen zu charakterisieren und festzulegen, ob dieser Zellzustand vererbt werden kann. German
Creators:	Creators Email ORCID ORCID Put Code Müller, Nina UNSPECIFIED UNSPECIFIED UNSPECIFIED
URN:	urn:nbn:de:hbz:38-88158
Date:	2018
Language:	English
Faculty:	Faculty of Mathematics and Natural Sciences
Divisions:	Faculty of Mathematics and Natural Sciences > Department of Physics > Institute for Theoretical Physics
Subjects:	Physics Life sciences
Uncontrolled Keywords:	Keywords Language Cancer Evolution English Stochastic Modelling of Biological Systems English
Date of oral exam:	25 September 2018
Referee:	Name Academic Title Berg, Johannes Prof. Dr. Krug, Joachim Prof. Dr.
Refereed:	Yes
URI:	http://kups.ub.uni-koeln.de/id/eprint/8815