Multi-omics tilgang til risikostratificering for patienter med de Novo akut myeloid leukæmi

Forskerne vil bruge maskinlæring til at identificere funktioner på knoglemarvsudstryk og udvælge funktioner, der er relateret til genmutationer, genekspression eller prognose. Efterforskerne vil derefter bruge genom-dækkende transkriptomisk profilering til at undersøge genekspression, der er forbundet med patienters resultater. Efterforskerne vil designe et næste generations sekventeringspanel med unikt molekylært indeks og vurdere dets gennemførlighed og robusthed til at detektere målbar resterende sygdom og optimere panelet/platformen/bioinformatiske pipeline. Endelig vil efterforskerne bruge maskinlæring til at integrere knoglemarvsudstrygningsfunktioner, genmutationer, genekspression og målbar resterende sygdom for at konstruere et omfattende risikovurderingssystem, der er baseret på multi-omics-data. Efterforskerne mener, at en sådan platform vil hjælpe læger med at designe de mest passende behandlingsstrategier for individuelle patienter, ikke kun fremme konceptet for præcisionsmedicin, men også forbedre patienternes prognoser.