Analyses and Modeling of Combined Effects of Anticancer Agents

• Main Authors: Wei-Chen Liao, 廖尉岑
• Other Authors: Cheng-Wen Wu
• Format: Others
• Language: zh-TW
• Published: 2000
• Online Access: http://ndltd.ncl.edu.tw/handle/20358481246470964501

博士 === 國防醫學院 === 生命科學研究所 === 88 === ABSTRACT This thesis focuses on the analyses and modeling of combined effects of anticancer agents. Evaluation of combination effects is one of the most issue in pharmacological studies. Especially, in cancer therapy, most chemotherapeutic agents are administered in conjunction with one or more other drugs to decrease the drug resistance, side effects and to increase the tumor control rate. Although there are many methods being proposed to analyze combination effects, none has been regarded as an ideal procedure. To improve the understanding and interpretation of biomolecular interactions, we developed several systems for the analyses of combined effects of anticancer agents. Chapter one describes the history of combination therapy, the analytical methods, and the major research efforts on combination therapy. We consider the potential of bioinformatic tools to rapidly generate information necessary for the analyses and modeling of combined effects. Chapter two introduces the development and applications of taibologram. Taibologram is a modified isobolographic method developed in our laboratory for the analyses of binary/ternary combinations of drugs. A taibologram transforms the drug-response curves into isoeffects triangles. Based on the shape and size of the triangles, one can qualitatively define the combined effects and quantitatively evaluate the degree of synergism. Chapter three displays the ability of novel method---SEASONS to analyze the combined effects of anticancer drugs. To avoid the known limitations of rules-oriented approaches and to take advantage of advanced computer technology and the Worldwide Web (WWW), we have developed a mechanism-free analytical system of two more agents. This revolutionary method, named SEASONS (Synergistic Effect Analysis by Self-Organizing Neural networkS), is based on Kohonen self-organizing neural networks. Firstly, we determined the response curves of a new agent alone or in combination with other mechanism-known agents, then constructed input vectors with a string of values. A set of vectors was inputted into the SEASONS program and the output is a topological map. One combination effect of agents will occupy one position on this map. According to the clustering pattern of output points, we can classify the combination effects and make a prediction of the mechanism of action of new agent. SEASONS has been applied to analyze the following effects: (1) the combined effects of VK3 and other antitumor drugs on human cancer cells, and (2) the modulation of chemosensitivity of the cancer cells which were transfected with a recombinant plasmid carrying oncosuppressive adeno-associated virus genes. Chapter four introduces the development and applications of Synergome. Pattern recognition techniques show considerable potential for large scale screening of drugs and gene-expression profiling of DNA microarrays. Using an integrated information-intensive approach, one can find new clinically active anticancer agents or predict the function of a new cloned gene based on the database of the drug discovery program from the National Cancer Institute of U.S.. By applying Genebank through WWW computer networks, even a small laboratory which is only able to investigate a few new compounds may find an astonishing active agent based on this international communication system. Finally, chapter five highlights the importance of these researches in the thesis. The novel methodologies development provides powerful analyses give a molecular explanation for the possible mechanism of drug-combinations. These new developments should serve as a model to study how these combination work and, provides a possible cue to improve the integrate large databases on gene expression and molecular pharmacology. 頁 目錄 …………………………………………………………………….... I 『表』目錄 ………………………………………………………..….…. IV 『圖』目錄 …………………………………………………………..….. V 『附錄』目錄 …………………………………………………………… VII 中文摘要 …………………………………………………………..…….. VIII 英文摘要 ………………………………………………………..……….. X 第一章 緒 論 第一節 “Synergy” 協同作用的生物意義 ....….….…...…..….….…...… 1 第二節 複方療法使用的效果及歷史 …..…………………….……. 1 第三節 分析複方療法效果的現有方法 ……………………...…… 3 第四節 面臨的問題 : 多重組成藥方及基因治療 …………......…...… 4 第五節 複方療法分析的研究趨勢 ………….………………..…..…. 4 第六節 研究動機、目的與規劃 ………………………..………..….… 5 第二章 三角等效圖(Taibologram)的發展與應用 第一節 前言 .……………………………….….….…...…..….….…..… 7 壹、等效圖 (Isobologram) ……..………………………….……….. 7 貳、等效圖的三維畫法 ………..……………….………………….. 8 參、維生素K3 的抑癌作用 …………………..….………..……….. 8 第二節 材料與方法 …..…………………………..…………….…….. 9 壹、鼻咽癌細胞培養 (Cell culture) …………….………..……...… 9 貳、MTT細胞毒性檢測法 (MTT cytotoxicity assay) …..………... 10 參、藥理參數的測定及統計分析 ……………….………..……….. 10 肆、三角等效圖的幾何設計及使用 …..…………………..…...…. 10 第三節 結果 ……….……………………………………………….… 12 壹、維生素K3 與其他抗癌藥物對鼻咽癌細胞株的複方處理 … 12 貳、維生素K3 與其他抗癌藥物對鼻咽癌細胞株的三方處理 … 12 第四節 討論與應用 ……….…………..……...…………..………..….. 13 第三章 SEASONS的發展與應用 第一節 前言 .……………………………….….….…...…..….….…..… 16 壹、複方療法分析的革命性觀念:模式辨識 ………….……….. 16 貳、類神經網路 ……………………………..…………………….. 16 參、自我組織圖神經網路 …………..…………….……………….. 17 肆、維生素K3 和人類腺相關病毒 (AAV)的抑癌作用 ……..…… 17 第二節 材料與方法 …..…………………………..…………….……. 18 壹、 維生素K3 與其他抗癌藥物對肝癌、子宮頸癌細胞株的 複方處理 ………..…………………………………….… 18 一、細胞培養 (Cell culture) ……………..………………..……. 18 二、SRB細胞毒性檢測法 ………………...……….…..……… 19 三、藥理參數的測定及自我組織圖神經網路的使用…….….... 19 貳、AAV對子宮頸癌細胞株藥物敏感性的影響…………….… 20 一、AAV抑癌活性細胞模型之建立 ….……………………… 20 二、細胞毒性檢測及及自我組織圖神經網路的使用……….... 21 第三節 結果 ……………………………………………………… 21 壹、維生素K3 與其他抗癌藥物對肝癌細胞株的複方處理 ...… 21 貳、維生素K3 與其他抗癌藥物對子宮頸癌細胞株的複方處理… 22 參、維生素K3 與其他抗癌藥物對子宮頸癌細胞株的三方處理… 22 肆、AAV對子宮頸癌SiHa細胞株藥物敏感性的影響………….. 22 第四節 討論與應用 ……….…………………………..…….…..…..... 23 第四章 基因藥物協同體(Synergome)的發展與應用 第一節 前言 .……………………………….….….…...…..….…. ...… 24 壹、國家癌症研究所抑癌活性藥物篩選計畫 ……….….……….. 25 貳、微陣列基因分析與分子目標鑒定計畫 …………………..….. 26 第二節 材料與方法 …..…………………………..…………….……. 27 壹、Cluster自我組織圖神經網路 ……………….………..…..….... 27 貳、叢聚影像圖 ……………………...……………………..…...…. 28 第三節 結果 …………………………………………………..…… 28 壹、AAV轉殖子宮頸癌細胞株的定性分析……………………..… 28 貳、建立加值資料庫.…………………………………….……….… 29 第四節 討論與應用 ………………………..……..….……………..…. 30 第五章 總結與展望 ……………………………………………….…….. 32 第一節 複方療法分析的新紀元 …………..………….... …….….… 32 第二節 發展細胞生物學的GCG套裝軟體 ……………………..…. 33 第三節 Delta生物學的開始結果 .…………………………………… 33 參考文獻 ………………………….. ………………………………...….. 35 『表』目錄 表 1、五種複方處理效果分析方法的比較 表 2、模式辨認方法在醫學各領域之應用 表 3、VK3和adriamycin對人類肝癌細胞株HA22T的合併使用效果分析 表 4、原始型、含載體、含野生型或變種AAV質體的SiHa細胞對抗癌物質 之敏感性 表 5、各層次基因功能之分析 『圖』目錄 圖 1、傳統等效圖(isobologram)和三角等效圖(taibologram) 圖 2、VK3與VP16 的合併處理效果 圖 3、以三角等效圖分析VK3為主的複方處理在鼻咽癌細胞CG1 上的效果 圖 4、以三角等效圖分析VK3為主的三方處理在鼻咽癌細胞CG1 上的效果 圖 5、三角等效圖的圓桌表示法 圖 6、VK3對鼻咽癌CG1細胞的細胞毒性與處理時間的關係 圖 7、VK3對不同細胞週期的鼻咽癌CG1細胞之細胞毒性 圖 8、自我組織圖架構 圖 9、AAV基因結構圖及構築抑癌性實驗之質體 圖 10、裸鼠實驗分析原始型、含載體、含野生型或變種AAV質體的 SiHa細胞之致瘤性 圖 11、SRB細胞毒性測試法之流程圖 圖 12、使用combination index(CI)方法分析VK3和adriamycin對人類肝 癌細胞株HA22T的合併使用效果 圖 13、VK3和其他抗癌藥物複方合併使用對人類肝癌細胞株HA22T、HepG2 及PLC的影響 圖 14、 VK3和其他抗癌藥物複方合併使用對人類子宮頸癌細胞株HeLa、SiHa 及CC-7T的影響 圖15、 VK3、VP16和Mitomycin-C三方合併使用對人類子宮頸癌細胞株SiHa 的影響 圖 16、SEASONS分析原始型、含載體、含野生型或變種AAV質體的SiHa 細 胞之藥物敏感性 圖17、SEASONS組織架構圖 圖18、美國國家癌症研究所抑癌活性藥物篩選計畫相關資料庫的運作 圖19、AAV相關的三株SiHa細胞株與國家癌症研究所抑癌活性藥物篩選計 畫資料庫裡60株主體細胞株對11種藥物GI50的叢聚分析 圖20、叢聚影像圖(Clustered Image Map，CIM) 圖21、藥物和細胞的叢聚影像圖 圖22、10株癌細胞株和40種分子目標的叢聚影像圖 圖23、40種分子目標和10株癌細胞株的叢聚影像圖 圖24、Cell, Genome, Complexity(CGC) 附錄目錄 附錄1、 博士學位候選人資格考試 ……………………………… 附錄1 附錄2、 博士論文研究進度報告 ………………………………… 附錄2 附錄3、 發表論文 ………………………………………………… 附錄3