Glycosaminoglycans and Oligonucleotides Joining Forces to Break Tumor Resistance (GOBREAK)
Diarienummer | |
Koordinator | Hytton Technologies AB |
Bidrag från Vinnova | 2 993 566 kronor |
Projektets löptid | oktober 2021 - februari 2024 |
Status | Avslutat |
Utlysning | Samarbetsprojekt för små och medelstora företag Sverige-Tyskland |
Ansökningsomgång | Samarbetsprojekt för små och medelstora företag Sverige-Tyskland våren 2021 |
Viktiga resultat som projektet gav
Vi utvecklade kemiskt modifierade siRNA-läkemedel som formulerades i hyaluronanbelagda miceller samt utvecklade doxorubicin-loaded miceller. Vi screenade en serie läkemedelsresistenta cancercelltyper och bestämde CD44-expressionsnivåerna. Med Cy3 som avbildningsmodalitet fick vi konfokala bilder som indikerade olika intracellulär biodistribution av läkemedelsmolekylerna. Dessa bilder användes för att utveckla och optimera AI-verktyget för att utveckla prediktiva verktyg för att identifiera leveransmetoden och intracellulär lokalisering.
Långsiktiga effekter som förväntas
Vi utvecklade först hyaluronanbaserad leveransformulering såväl som icke-formulerade fluorescensmärkta läkemedelsmolekyler. Utvecklat läkemedelsformulering för både oligonukleotidläkemedel (siRNA) samt för småmolekylära läkemedel (doxorubicin eller DOX). Det cellulära upptaget kvantifierades genom fluorescensbaserade cellsorteringsexperiment såväl som konfokalmikroskopi. Dessa bilder användes för att utveckla AI-baserad bildplattform. Partners från Frankfurt utvecklade läkemedelsresistenta cellinjer som också överuttrycker CD44-receptorer.
Upplägg och genomförande
Design och genomförande av projektet involverade samverkan mellan forskare inom nanoteknik, cancerbiologi och maskininlärning. De rigorösa experimentella design- och leveransmetoderna möjliggjorde integrationen av maskininlärningsalgoritmer i analyspipelinen, vilket möjliggjorde datadrivna insikter och prediktiv modellering. Viktiga takeaways från projektet är utvecklingen av läkemedelsformuleringar, läkemedelsresistenta cellinjer samt bildbaserade AI-modeller för screening av intracellulär biodistribution av läkemedelsmolekylerna.