Functional blocking of donor-specific HLA antibodies by modified human monoclonal HLA antibodies: towards a new therapy preventing antibody- mediated rejection

Doel

Het ontwikkelen van een therapie waarbij antistoffen van de nierpatiënt niet meer kunnen binden aan HLA-eiwitten van de donor en geen schade kunnen veroorzaken. De patiënt heeft daarmee een grotere kans op een donornier.

Samenvatting

Creativity grant. Niertransplantatie is de beste behandeling voor de meeste patiënten met eindstadium nierfalen. Het succes van transplantatie wordt echter beperkt door afstotingsreacties, die soms leiden tot vroegtijdig transplantaatverlies en daardoor tot lange wachttijden voor nieren van overleden donoren. Bij deze transplantaatafstoting spelen antistoffen van de patiënt tegen zogenaamde HLA-eiwitten van de donor een belangrijke rol. Deze antistoffen kunnen binden aan de HLA-eiwitten op de cellen van de donornier, en daar schade veroorzaken door activatie van het complementsysteem. De belangrijkste test, om voorafgaand aan transplantatie vast te stellen of een patiënt antistoffen heeft tegen donor HLA-eiwitten, is de kruisproef. Bij deze test wordt in het laboratorium bekeken of antistoffen van de patiënt cellen kunnen doden van de donor door middel van complementactivatie. Als deze test positief is, dan wordt een donornier niet compatibel geacht met de patiënt die daar antistoffen tegen heeft. Dit betekent dat patiënten met antistoffen tegen meerdere types HLA-eiwitten minder kans hebben op een donornier. Daarnaast kan een patiënt ná transplantatie HLA-antistoffen worden gevormd tegen de donornier. Deze antistoffen zijn geassocieerd met een slechte prognose. Het doel van dit project is een therapie te ontwikkelen waarbij antistoffen van de patiënt niet meer kunnen binden aan donor HLA-eiwitten en geen schade kunnen veroorzaken. Dit gebeurt door in het laboratorium een nieuw type antistof te maken die wel kan binden aan een specifiek type donor HLA-eiwit (HLA-A1, dat in meer dan 25% van de donoren voorkomt), terwijl de antistof geen schade kan veroorzaken, maar door blokkade wel voorkomen dat pathogene antistoffen van de patiënt er aan binden. Uit pilot-experimenten is gebleken dat het gebruik van deze immunologisch inerte antistoffen leidt tot negatieve kruisproeven, wat bewijst dat de desbetreffende patiënt-antistoffen tegen HLA-A1 functioneel niet meer in staat zijn om donorcellen te doden. Doelstellingen Het doel van deze studie is 1) om vast te stellen of de voorgestelde therapie werkt voor meerdere patiënten die verschillende antistoffen hebben tegen HLA-A1, en 2) om een nieuw inert antistof te maken tegen een ander HLA-eiwit: HLA-A2 dat in ongeveer 50% van de donoren voorkomt. Als beide antistoffen functioneel in staat zijn om binding van patiënt-antistoffen aan deze verschillende HLA-eiwitten in het laboratorium te blokkeren, dan willen de onderzoekers in de toekomst een veel breder spectrum aan inerte HLA-antistoffen gaan maken met als doel een therapie te ontwikkelen die bij het merendeel van de patiënten in staat is om antistof gemedieerde afstoting te voorkomen.

Trefwoorden

identificatie, validatie in modelsystemen, menselijk materiaal, transplantatie, HLA antistoffen, afstoting, inerte antistoffen

Soortgelijke projecten

Towards the best eGFR equation for individualized prediction and treatment

Junior Talent Grant. De nierfunctie is een meting van hoe goed de nieren werken. Op basis hiervan worden belangrijke beslissingen genomen, bijvoorbeeld wanneer iemand wordt doorverwezen naar de nefroloog, welke medicijnen worden gebruikt, en wanneer gestart wordt met dialyse. De nierfunctie kan technisch goed worden gemeten maar dat is belastend voor patiënten en erg duur. In de praktijk wordt de nierfunctie daarom meestal geschat (eGFR) met een rekenformule, waarvan verschillende versies bestaan. Meestal wordt de ‘CKD-EPI2009’ rekenformule gebruikt, ontwikkeld in Amerika. Deze gebruikt leeftijd, geslacht, creatininewaarde en afkomst (wel/niet Afro-Amerikaans). In Europa wordt de laatste variabele van de formule niet ingevuld. Recent is in Amerika ophef ontstaan over het gebruik van afkomst naar aanleiding van Black-Lives-Matter. Daarom is een nieuwe rekenformule ontwikkeld (‘CKD-EPI2021’). Amerikaanse ziekenhuizen zijn direct overgestapt op deze nieuwe rekenformule. In Nederland en Europa rijst de vraag welke rekenformule gebruikt moet worden. Zo zijn er rekenformules die speciaal ontwikkeld zijn voor Europeanen. Ook is onduidelijk of de creatinine-waarden vervangen moeten worden door cystatine C-waarden, die preciezer maar duurder zijn. Het veranderen van rekenformule kan grote gevolgen hebben. Zo laten de eerste voorlopige resultaten zien dat de nieuwe ‘CKD-EPI2021’ rekenformule een minder ernstig stadium geeft aan ruim 1 op de 3 nierpatiënten, zonder dat duidelijk is of dit leidt tot de beste zorg voor nierpatiënten. De onderzoekers werken vanuit het LUMC samen met een internationale groep van nefrologen en wetenschappers uit Europa (o.a. het Karolinska Instituut) en de Verenigde Staten (o.a. Harvard University en Johns Hopkins). Er worden bijvoorbeeld onderzoekers bij de studie betrokken die de rekenformules hebben ontwikkeld. Het Karolinska Instituut geeft de onderzoekers toegang tot ’s werelds grootste dataset met de bloedwaarde cystatine C. Zo kan onderzocht worden of rekenformules op basis van cystatine C leiden tot betere zorg dan rekenformules op basis van creatinine. Vragen/Doelstellingen 1. Hoeveel verschilt de geschatte nierfunctie tussen de verschillende rekenformules, en wat voor invloed heeft dit op het in aanmerking komen voor effectieve medicijnen die dialyse en hart- en vaatziekten kunnen voorkómen? 2. Hoe precies is de geschatte nierfunctie op basis van iedere rekenformule ten opzichte van de gemeten nierfunctie? 3. De nierfunctie wordt vaak gebruikt in voorspelmodellen, die inschatten hoe het in de toekomst met een patiënt zal gaan. De onderzoekers willen daarom bekijken hoe goed elke rekenformule dit soort uitkomsten kan voorspellen. 4. Welke rekenformule leidt uiteindelijk tot de beste uitkomsten voor de patiënt?

Untangling mechanisms and therapeutic targets in kidney allograft fibrotic disease

Senior Talent grant. Niertransplantaatfalen op de lange termijn is een van de belangrijkste onopgeloste problemen bij niertransplantatie, met als gevolg dat transplantatiepatiënten gemiddeld na 10 tot 15 jaar opnieuw een transplantaat nodig hebben. Nierfibrose (littekenvorming in de nier) is het eindresultaat van vrijwel alle vormen van chronische schade aan de nieren. Nierfibrose is aanwezig in ongeveer 40% van de niertransplantaten op 3 tot 6 maanden na transplantatie en in meer dan 60% op 2 jaar na transplantatie. De hypothese van dit onderzoek is dat fibrose in niertransplantaten de belangrijkste oorzaak is van lange termijn transplantaatfalen is. Het aanpakken van fibrose in het niertransplantaat is daarom een veelbelovende strategie om de langetermijnoverleving van het niertransplantaat te verbeteren. In dit voorgestelde project wordt een reeks experimenten uitgevoerd om de processen van fibrose in niertransplantaten te ontrafelen. Doelstellingen Doel 1: Het in kaart brengen van niertransplantaatfibrose door middel van single cell genomics om nieuwe therapeutische doelwitten te identificeren. Met innovatieve technieken worden genen geïdentificeerd die betrokken zijn bij de ontwikkeling van fibrose. Deze technieken maken het mogelijk om op single celniveau analyses uit te voeren. De technieken worden toegepast op biopten van transplantaten met verschillende gradaties van fibrose, afgenomen binnen 2 jaar na niertransplantatie. Deze worden vergeleken met nierbiopten zonder schade. De geïdentificeerde genetische processen zullen worden gevalideerd in een groot cohort van transplantatiebiopten. Doel 2: Een organoi¨denplatform ontwikkelen met de belangrijkste kenmerken van transplantatiefibrose. Nieren kunnen buiten het lichaam niet in leven gehouden worden in het lab. Daarom worden vanuit stamcellen geproduceerde mini-nieren gebruikt, zogenaamde nierorganoïden. Doel 3: Validatie van therapeutische doelen in organoïde transplantatiemodellen. Fibrotische en niet-fibrotische organoïden worden onder de huid geïmplanteerd in muizen zonder immuunsysteem en vervolgens worden menselijke immuuncellen toegediend. Na 2 maanden worden de organoïden verwijderd. Hiermee wordt humane nierfibrose bestudeerd in een transplantatiesetting met een menselijk immuunsysteem. Daarna volgen interventiestudies met behulp van hierboven geïdentificeerde genetische aanpassingen of werkzame stoffen.

DIAGGRAFT: leveraging artificial intelligence technology for accurate quantitative histological diagnostic assessment of transplant renal biopsies

Success accelerator grant. Afstoting vormt een belangrijk probleem voor patiënten met een donornier. Vroegtijdige vaststelling van een mogelijke afstoting is essentieel, en de meest betrouwbare methode om dit te doen is via een nierbiopsie. Bij een nierbiopsie wordt er met een naald een klein stukje nierweefsel ter grootte van een halve lucifer weggehaald voor onderzoek. Dit stukje weefsel (biopt) wordt beoordeeld onder de microscoop door een patholoog, aan de hand van de Banff-classificatie: een internationaal scoringssysteem waarbij een aantal items wordt beoordeeld, zoals de mate van verlittekening van de nier en het beoordelen van de aanwezigheid, locatie en hoeveelheid ontstekingscellen. Het Banff classificatie-systeem is echter niet goed reproduceerbaar en kan, in zijn huidige vorm, niet goed voorspellen of er op lange termijn risico is op afstoting van de donornier. De patholoog bepaalt ook welk type afstoting er plaatsvindt. Dit is belangrijke informatie bij het kiezen van de juiste behandeling, waarmee de kans wordt vergroot om de donornier te kunnen behouden. De onderzoekers willen in DIAGGRAFT door het gebruik van kunstmatige intelligentie (AI) de beoordeling van nierbiopten verbeteren. Het doel van DIAGGRAFT is om een computeralgoritme te ontwikkelen dat meerdere items van de Banff-classificatie nauwkeurig en reproduceerbaar automatisch kan beoordelen, zodat de zorg voor transplantatiepatiënten kan worden verbeterd. DIAGGRAFT bestaat uit 3 deelprojecten. Omdat we computersoftware willen ontwikkelen die een biopt betrouwbaar kan analyseren, onafhankelijk van in welk ziekenhuis, land of zelfs werelddeel het biopt verkregen of bewerkt werd, zullen we in fase één 100 nierbiopten van Radboudumc laten bewerken en digitaliseren in ziekenhuizen in verschillende landen. Deze biopten worden vervolgens in Radboudumc nog extra bewerkt, om betrouwbaar de aanwezige ontstekingscellen te kunnen herkennen. De digitale beelden met de door de computer herkende ontstekingscellen dienen als voorbeeld om vervolgens het computeralgoritme in fase 2 te ontwikkelen. In fase 2 vindt de ontwikkeling van het computeralgoritme plaats. We maken hierbij gebruik van ‘crowdsourcing’, een model van ontwikkeling van kunstmatige intelligentie dat in het verleden uitstekende resultaten heeft opgeleverd. In een zogenaamde ‘grand challenge’ worden onderzoekers wereldwijd uitgedaagd om met een goede oplossing te komen voor ons probleem; Met deze opzet wordt er op grote schaal, met meerdere AI-experts, toegewerkt naar de ontwikkeling van het best functionerende computeralgoritme. De voorbeelden uit fase 1 worden beschikbaar gesteld op een website (grand-challenge.org). Zij kunnen met behulp van deze data een algoritme op basis van kunstmatige intelligentie trainen, dat ontstekingscellen in nierbiopten kan herkennen. In fase 3 zal het computeralgoritme uit fase 2 getoetst worden. Hierbij worden 300 nierbiopten, afkomstig uit 6 ziekenhuizen, beoordeeld door meerdere internationale pathologen. Biopten worden e´e´n keer met, en e´e´n keer zonder hulp van het computermodel beoordeeld door de pathologen. De resultaten worden vergeleken om te kijken of de beoordeling verbetert met behulp van het ontwikkelde computeralgoritme. Doelstellingen: 1. Ontwikkelen van een computeralgoritme dat meerdere items van de Banff-classificatie nauwkeurig en reproduceerbaar kan beoordelen. 2. Valideren van het computeralgoritme op een ruime hoeveelheid nierbiopten afkomstig uit internationale ziekenhuizen. 3. Evalueren van de prognostische waarde van meerdere items van de Banff-classificatie aan de hand van de beoordeling middels het computeralgoritme.

Bekijk alle projecten