- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT06717295
Die CCANED-CIPHER-Studie: Früherkennung von Krebs und Überwachung des Behandlungsansprechens mittels KI-basierter transkriptomischer Profilierung von Blutplättchen und Immunzellen (CCANED-CIPHER)
Studienübersicht
Status
Bedingungen
Detaillierte Beschreibung
Detaillierte Beschreibung Die CCANED-CIPHER-Studie zielt darauf ab, die Krebsdiagnostik und Behandlungsüberwachung zu revolutionieren, indem sie ein KI-basiertes Tool zur Krebsfrüherkennung entwickelt und evaluiert, das RNA-Biomarker aus Blutplättchen und Immunzellen in Blutproben profiliert. Dieser nicht-invasive Ansatz nutzt Methoden der Flüssigbiopsie, um die Krebsfrüherkennung zu verbessern und Erkenntnisse über therapeutische Reaktionen zu liefern.
Phase 1 (CCANED): Krebsfrüherkennung
Objektiv:
Identifizierung spezifischer von Blutplättchen abgeleiteter RNA-Biomarker, die mithilfe einer KI-gesteuerten Transkriptomanalyse Personen mit häufigen Krebsarten von gesunden Kontrollpersonen unterscheiden können.
Methodik:
Teilnehmerrekrutierung: Nehmen Sie 3.500 Patienten mit bestätigten Diagnosen verschiedener häufiger Krebsarten und 1.500 krebsfreie Kontrollpersonen auf, die nach Alter und Geschlecht abgeglichen sind.
Probenentnahme: Entnehmen Sie zu Studienbeginn von jedem Teilnehmer eine einzelne Blutprobe.
Laboranalyse:
Thrombozytenisolierung: Extrahieren Sie Blutplättchen aus Blutproben. RNA-Sequenzierung: Führen Sie eine transkriptomische Profilierung durch, um RNA-Expressionsmuster zu identifizieren.
Datenanalyse:
KI-Integration: Verwenden Sie Algorithmen für maschinelles Lernen, um RNA-Daten zu analysieren und Biomarker zu identifizieren, die auf das Vorhandensein von Krebs hinweisen.
Statistische Auswertung: Bewerten Sie die Sensitivität und Spezifität des Diagnosetools und bewerten Sie seine Fähigkeit, zwischen Krebsarten zu unterscheiden.
Erwartete Ergebnisse:
Identifizierung zuverlässiger RNA-Biomarker zur Krebsfrüherkennung. Validierung der Genauigkeit und Durchführbarkeit des KI-basierten Diagnosetools im klinischen Umfeld.
Phase 2 (CIPHER): Überwachung der therapeutischen Reaktion
Objektiv:
Um zu bewerten, wie RNA-Biomarker aus Immunzellen und Blutplättchen mit therapeutischen Reaktionen korrelieren, können Einblicke in die Wirksamkeit der Behandlung und mögliche Rückfälle gewonnen werden.
Methodik:
Teilnehmerrekrutierung: Nehmen Sie 1.000 Krebspatienten auf, bei denen HCC oder NSCLC in den Stadien I bis IV diagnostiziert wurde.
Probensammlung:
Grundlinie: Vor Beginn der Therapie Blutproben entnehmen. Nachuntersuchung: Zusätzliche Proben 6 Wochen und 6 Monate nach Therapiebeginn.
Laboranalyse:
Isolierung von Immunzellen und Blutplättchen: Extrahieren Sie diese Bestandteile aus Blutproben.
Transkriptomisches Profiling: Analysieren Sie Änderungen der RNA-Expression im Laufe der Zeit.
Datenanalyse:
Korrelationsstudien: Bewerten Sie Zusammenhänge zwischen RNA-Biomarkern und klinischen Behandlungsreaktionen.
Prädiktive Modellierung: Entwickeln Sie Modelle, die Thrombozyten- und Immunzell-RNA-Profile integrieren, um Ergebnisse vorherzusagen.
Erwartete Ergebnisse:
Identifizierung von Biomarkern, die mit dem Ansprechen auf die Behandlung und dem progressionsfreien Überleben korrelieren.
Entwicklung von Vorhersagemodellen für Rückfälle und Arzneimittelresistenzen.
Bedeutung der Studie
Die CCANED-CIPHER-Studie geht auf kritische Bedürfnisse in der Onkologie ein, indem sie Folgendes bereitstellt:
Nicht-invasive Diagnostik: Ein Bluttest, der die Notwendigkeit invasiver Gewebebiopsien reduziert.
Früherkennung: Potenzial zur Erkennung von Krebserkrankungen in einem früheren, besser behandelbaren Stadium.
Personalisierte Medizin: Maßgeschneiderte Behandlungsstrategien basierend auf individuellen Biomarkerprofilen.
Verbesserte Überwachung: Verbesserte Möglichkeit, die Wirksamkeit der Behandlung zu überwachen und Therapien entsprechend anzupassen.
Prädiktive Erkenntnisse: Frühzeitige Erkennung von Rückfällen oder Arzneimittelresistenzen, was sofortige klinische Interventionen ermöglicht.
Erwartete Auswirkungen und zukünftige Anwendungen Durch die Integration fortschrittlicher KI-Technologien mit innovativen Flüssigbiopsiemethoden zielt die CCANED-CIPHER-Studie darauf ab, die Krebserkennung und die Patientenergebnisse deutlich zu verbessern. Die Identifizierung spezifischer RNA-Biomarker aus Blutplättchen und Immunzellen hat das Potenzial, die derzeitige Praxis in der Onkologie zu verändern und einen effizienteren, genaueren und patientenfreundlicheren Ansatz für die Krebsbehandlung zu bieten.
Studientyp
Einschreibung (Geschätzt)
Kontakte und Standorte
Studienkontakt
- Name: Javier Toledo, Medical Degree
- Telefonnummer: +44 (0)1223 496000
- E-Mail: research@dysplasiadx.com
Studieren Sie die Kontaktsicherung
- Name: Osagie Izuogu, PhD
- Telefonnummer: +44 (0)1223 496000
- E-Mail: info@dysplasiadx.com
Studienorte
-
-
-
Rosario, Argentinien
- Aktiv, nicht rekrutierend
- Various Cancer Centres
-
-
-
-
-
Lagos, Nigeria
- Rekrutierung
- NSIA- Lagos University Teaching Hospital Cancer Centre
-
Kontakt:
- Adewumi Alabi, Oncology
- Telefonnummer: +2348052843206
- E-Mail: aalabi@nlcc.ng
-
Kontakt:
- Solomon Rotimi, Ph.D
- E-Mail: solomon@dysplasiadx.com
-
-
-
-
-
Cambridge, Vereinigtes Königreich, CB22 3AT
- Anmeldung auf Einladung
- Babraham Research Institute
-
London, Vereinigtes Königreich, W1W 7LT
- Rekrutierung
- Dysplasia Diagnostics Limited
-
Kontakt:
- Chief Medical Officer, Medical
- Telefonnummer: +447494946013
- E-Mail: research@dysplasiadx.com
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Die CCANED-CIPHER-Studie wird eine vielfältige, geografisch verstreute Bevölkerung einbeziehen, um die Generalisierbarkeit und Robustheit ihrer Ergebnisse sicherzustellen. Die Studie ist in zwei Phasen unterteilt und umfasst bis zu 10 medizinische Zentren weltweit im Vereinigten Königreich (UK), Europa, Amerika und Asien.
Phase 1 (CCANED):
Teilnehmer: 5.000 Erwachsene ab 40 Jahren.
- Krebspatienten: 3.500 Personen mit bestätigter Diagnose häufiger Krebsarten.
- Gesunde Kontrollpersonen: 1.500 krebsfreie Personen gleichen Alters.
Rekrutierungsstrategie: Die Teilnehmer werden über die teilnehmenden medizinischen Zentren identifiziert und eingeschrieben, um eine repräsentative Stichprobe über verschiedene geografische Standorte hinweg sicherzustellen.
Phase 2 (Chiffre):
Teilnehmer: 1.000 Erwachsene ab 40 Jahren mit der Diagnose HCC oder NSCLC im Stadium I bis IV.
Rekrutierungsstrategie: Krebspatienten werden aus den teilnehmenden Krebszentren rekrutiert, um eine breite Darstellung der Krankheitsstadien und Behandlungshintergründe zu gewährleisten.
Beschreibung
Phase 1 (CCANED)
Einschlusskriterien:
- Alter: Erwachsene ab 40 Jahren.
- Bestätigte Diagnose einer der folgenden häufigen Krebsarten: Nicht-kleinzelliger Lungenkrebs (NSCLC), Glioblastoma multiforme (GBM), Darmkrebs, Hepatozelluläres Karzinom (HCC), Brustkrebs, Prostatakrebs, Eierstockkrebs, Bauchspeicheldrüsenkrebs.
Ausschlusskriterien:
- Derzeit schwanger.
- Vorliegen aktiver Infektionskrankheiten.
- Einnahme von Antikoagulanzien oder Thrombozytenaggregationshemmern innerhalb der letzten 2 Wochen.
- Alle medizinischen oder psychologischen Bedingungen, die die Fähigkeit des Teilnehmers beeinträchtigen können, die Studienabläufe einzuhalten.
Phase 2 (CIPHER)
Einschlusskriterien:
- Erwachsene ab 40 Jahren.
- Bestätigte Diagnose von: Hepatozellulärem Karzinom (HCC), nicht-kleinzelligem Lungenkrebs (NSCLC)
- Bereitschaft zur Bereitstellung von Blutproben in den angegebenen Abständen (Ausgangswert, 6 Wochen und 6 Monate nach Therapiebeginn).
Ausschlusskriterien:
- Vorliegen einer anderen bösartigen Erkrankung, es sei denn, diese befindet sich seit mindestens 5 Jahren in Remission.
- Erhebliche unkontrollierte Komorbiditäten, die die Studienteilnahme oder -ergebnisse beeinträchtigen können.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
|---|---|
|
Krebspatienten (Phase 1)
Dieser Zweig umfasst 3.500 Personen mit bestätigten Diagnosen häufiger Krebsarten wie nicht-kleinzelligem Lungenkrebs (NSCLC), Glioblastoma multiforme (GBM), Darmkrebs, hepatozellulärem Karzinom (HCC), Brustkrebs, Prostatakrebs, Eierstockkrebs und Bauchspeicheldrüsenkrebs Krebs.
|
Verfahren: Den Teilnehmern wird zu Studienbeginn eine einzige Blutabnahme durchgeführt. Probenanalyse: Thrombozytenisolierung: Aus den gesammelten Blutproben werden Blutplättchen extrahiert. RNA-Analyse: RNA aus den isolierten Blutplättchen wird extrahiert und mithilfe KI-basierter transkriptomischer Profilierung analysiert, um mit Krebs assoziierte Biomarker zu identifizieren. |
|
Gesunde Menschen
Dieser Arm wird aus 1.500 krebsfreien Personen gleichen Alters und Geschlechts bestehen, die als Kontrollen dienen.
|
Verfahren: Den Teilnehmern wird zu Studienbeginn eine einzige Blutabnahme durchgeführt. Probenanalyse: Thrombozytenisolierung: Aus den gesammelten Blutproben werden Blutplättchen extrahiert. RNA-Analyse: RNA aus den isolierten Blutplättchen wird extrahiert und mithilfe KI-basierter transkriptomischer Profilierung analysiert, um mit Krebs assoziierte Biomarker zu identifizieren. |
|
Krebspatienten in Behandlung
Diese Kohorte wird 1.000 Patienten umfassen, bei denen hepatozelluläres Karzinom (HCC) oder nicht-kleinzelliger Lungenkrebs (NSCLC) in den Stadien I bis IV diagnostiziert wurde und die kurz vor dem Beginn einer Standardkrebstherapie stehen.
|
Verfahren: Den Teilnehmern wird zu Studienbeginn eine einzige Blutabnahme durchgeführt. Probenanalyse: Thrombozytenisolierung: Aus den gesammelten Blutproben werden Blutplättchen extrahiert. RNA-Analyse: RNA aus den isolierten Blutplättchen wird extrahiert und mithilfe KI-basierter transkriptomischer Profilierung analysiert, um mit Krebs assoziierte Biomarker zu identifizieren. Verfahren: Blutprobenentnahme: Den Teilnehmern werden zu drei Zeitpunkten Blutproben entnommen: Ausgangswert: Vor Beginn der Therapie. 6 Wochen nach Therapiebeginn: Zur Überwachung des frühen Ansprechens auf die Behandlung. 6 Monate nach Therapiebeginn: Zur Beurteilung längerfristiger Therapieergebnisse. Probenanalyse: Isolierung von Blutplättchen und Immunzellen: Blutplättchen: Aus jeder Blutprobe entnommen, um die RNA-Profile weiterhin zu überwachen. Immunzellen: Aus den Blutproben getrennt, um die Immunantwort auf die Therapie zu analysieren. RNA-Analyse: Thrombozyten-RNA: Mit KI-basierten Tools analysiert, um Veränderungen in transkriptomischen Profilen im Laufe der Zeit zu beobachten. Immunzell-RNA: Untersucht, um transkriptomische Veränderungen im Zusammenhang mit therapeutischen Reaktionen zu bewerten. Datenkorrelation: Bewertung des therapeutischen Ansprechens: RNA-Profile von Blutplättchen und Immunzellen werden mit klinischen Ergebnissen korreliert, um Biomarker zu identifizieren, die die Wirksamkeit der Behandlung, das progressionsfreie Überleben, Rückfälle und Arzneimittelresistenz vorhersagen. |
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Identifizierung von Thrombozyten-RNA-Biomarkern zur Unterscheidung von Krebspatienten von Kontrollpersonen
Zeitfenster: Basislinie (einzelner Zeitpunkt)
|
Nutzen Sie die KI-basierte Transkriptomanalyse von Thrombozyten-RNA, um Biomarker zu identifizieren, die zwischen Krebspatienten und krebsfreien Kontrollpersonen unterscheiden.
|
Basislinie (einzelner Zeitpunkt)
|
|
Identifizierung von RNA-Biomarkern, die mit der therapeutischen Reaktion korrelieren (Phase 2)
Zeitfenster: Ausgangswert bis 6 Monate nach Therapiebeginn
|
Identifizieren Sie RNA-Biomarker aus Immunzellen und Blutplättchen, die mit dem Ansprechen auf die klinische Behandlung korrelieren, gemessen anhand von Standardkriterien (z. B. RECIST).
|
Ausgangswert bis 6 Monate nach Therapiebeginn
|
|
Zusammenhang zwischen Immunzelltranskriptomen und KI-basierten Thrombozytensignalen
Zeitfenster: Ausgangswert bis 6 Monate nach Therapiebeginn
|
Bewerten Sie, wie Veränderungen in den Transkriptomen von Immunzellen mit Signalen zusammenhängen, die vom KI-basierten Tool zur Thrombozytenprofilierung erkannt werden.
|
Ausgangswert bis 6 Monate nach Therapiebeginn
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Sensitivität und Spezifität des KI-basierten Diagnosetools (Phase 1)
Zeitfenster: Grundlinie
|
Berechnen Sie die diagnostische Genauigkeit des KI-basierten Tools zur Erkennung von Krebs bei Teilnehmern.
|
Grundlinie
|
|
Machbarkeit der Implementierung der transkriptomischen Profilierung von Blutplättchen
Zeitfenster: Phase 1 – 2 Jahre
|
Bewerten Sie die Praktikabilität der Probenentnahme, -verarbeitung und -analyse in einem klinischen Umfeld.
|
Phase 1 – 2 Jahre
|
|
Entwicklung prädiktiver Modelle für Behandlungsergebnisse (Phase 2)
Zeitfenster: Phase 2 – Zwei Jahre
|
Erstellen und validieren Sie Vorhersagemodelle, die Thrombozyten- und Immunzell-RNA-Profile integrieren, um das Ansprechen auf die Behandlung und das progressionsfreie Überleben vorherzusagen.
|
Phase 2 – Zwei Jahre
|
|
Identifizierung von Biomarkern, die einen Rückfall und eine Arzneimittelresistenz vorhersagen (Phase 2)
Zeitfenster: Ausgangswert bis 6 Monate nach Therapiebeginn
|
Identifizieren Sie RNA-Biomarker, die einen Rückfall und eine Arzneimittelresistenz bei der Nachuntersuchung nach 6 Monaten vorhersagen.
|
Ausgangswert bis 6 Monate nach Therapiebeginn
|
Mitarbeiter und Ermittler
Sponsor
Ermittler
- Studienleiter: Solomon Rotimi, PhD, Dysplasia Diagnostics Limited
- Hauptermittler: Javier Toledo, Medical Degree, Dysplasia Diagnostics Limited
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Smerage JB, Barlow WE, Hortobagyi GN, Winer EP, Leyland-Jones B, Srkalovic G, Tejwani S, Schott AF, O'Rourke MA, Lew DL, Doyle GV, Gralow JR, Livingston RB, Hayes DF. Circulating tumor cells and response to chemotherapy in metastatic breast cancer: SWOG S0500. J Clin Oncol. 2014 Nov 1;32(31):3483-9. doi: 10.1200/JCO.2014.56.2561. Epub 2014 Jun 2.
- Bettegowda C, Sausen M, Leary RJ, Kinde I, Wang Y, Agrawal N, Bartlett BR, Wang H, Luber B, Alani RM, Antonarakis ES, Azad NS, Bardelli A, Brem H, Cameron JL, Lee CC, Fecher LA, Gallia GL, Gibbs P, Le D, Giuntoli RL, Goggins M, Hogarty MD, Holdhoff M, Hong SM, Jiao Y, Juhl HH, Kim JJ, Siravegna G, Laheru DA, Lauricella C, Lim M, Lipson EJ, Marie SK, Netto GJ, Oliner KS, Olivi A, Olsson L, Riggins GJ, Sartore-Bianchi A, Schmidt K, Shih lM, Oba-Shinjo SM, Siena S, Theodorescu D, Tie J, Harkins TT, Veronese S, Wang TL, Weingart JD, Wolfgang CL, Wood LD, Xing D, Hruban RH, Wu J, Allen PJ, Schmidt CM, Choti MA, Velculescu VE, Kinzler KW, Vogelstein B, Papadopoulos N, Diaz LA Jr. Detection of circulating tumor DNA in early- and late-stage human malignancies. Sci Transl Med. 2014 Feb 19;6(224):224ra24. doi: 10.1126/scitranslmed.3007094.
- Pantel K, Alix-Panabieres C. Liquid biopsy and minimal residual disease - latest advances and implications for cure. Nat Rev Clin Oncol. 2019 Jul;16(7):409-424. doi: 10.1038/s41571-019-0187-3.
- Mok TS, Wu YL, Thongprasert S, Yang CH, Chu DT, Saijo N, Sunpaweravong P, Han B, Margono B, Ichinose Y, Nishiwaki Y, Ohe Y, Yang JJ, Chewaskulyong B, Jiang H, Duffield EL, Watkins CL, Armour AA, Fukuoka M. Gefitinib or carboplatin-paclitaxel in pulmonary adenocarcinoma. N Engl J Med. 2009 Sep 3;361(10):947-57. doi: 10.1056/NEJMoa0810699. Epub 2009 Aug 19.
- Alix-Panabieres C, Pantel K. Clinical Applications of Circulating Tumor Cells and Circulating Tumor DNA as Liquid Biopsy. Cancer Discov. 2016 May;6(5):479-91. doi: 10.1158/2159-8290.CD-15-1483. Epub 2016 Mar 11.
- Best MG, Sol N, Kooi I, Tannous J, Westerman BA, Rustenburg F, Schellen P, Verschueren H, Post E, Koster J, Ylstra B, Ameziane N, Dorsman J, Smit EF, Verheul HM, Noske DP, Reijneveld JC, Nilsson RJA, Tannous BA, Wesseling P, Wurdinger T. RNA-Seq of Tumor-Educated Platelets Enables Blood-Based Pan-Cancer, Multiclass, and Molecular Pathway Cancer Diagnostics. Cancer Cell. 2015 Nov 9;28(5):666-676. doi: 10.1016/j.ccell.2015.09.018. Epub 2015 Oct 29.
- Cescon DW, Bratman SV, Chan SM, Siu LL. Circulating tumor DNA and liquid biopsy in oncology. Nat Cancer. 2020 Mar;1(3):276-290. doi: 10.1038/s43018-020-0043-5. Epub 2020 Mar 20.
- National Lung Screening Trial Research Team; Aberle DR, Adams AM, Berg CD, Black WC, Clapp JD, Fagerstrom RM, Gareen IF, Gatsonis C, Marcus PM, Sicks JD. Reduced lung-cancer mortality with low-dose computed tomographic screening. N Engl J Med. 2011 Aug 4;365(5):395-409. doi: 10.1056/NEJMoa1102873. Epub 2011 Jun 29.
- Sequist LV, Waltman BA, Dias-Santagata D, Digumarthy S, Turke AB, Fidias P, Bergethon K, Shaw AT, Gettinger S, Cosper AK, Akhavanfard S, Heist RS, Temel J, Christensen JG, Wain JC, Lynch TJ, Vernovsky K, Mark EJ, Lanuti M, Iafrate AJ, Mino-Kenudson M, Engelman JA. Genotypic and histological evolution of lung cancers acquiring resistance to EGFR inhibitors. Sci Transl Med. 2011 Mar 23;3(75):75ra26. doi: 10.1126/scitranslmed.3002003.
- Diehl F, Li M, Dressman D, He Y, Shen D, Szabo S, Diaz LA Jr, Goodman SN, David KA, Juhl H, Kinzler KW, Vogelstein B. Detection and quantification of mutations in the plasma of patients with colorectal tumors. Proc Natl Acad Sci U S A. 2005 Nov 8;102(45):16368-73. doi: 10.1073/pnas.0507904102. Epub 2005 Oct 28.
- Raposo G, Stoorvogel W. Extracellular vesicles: exosomes, microvesicles, and friends. J Cell Biol. 2013 Feb 18;200(4):373-83. doi: 10.1083/jcb.201211138.
- Arroyo JD, Chevillet JR, Kroh EM, Ruf IK, Pritchard CC, Gibson DF, Mitchell PS, Bennett CF, Pogosova-Agadjanyan EL, Stirewalt DL, Tait JF, Tewari M. Argonaute2 complexes carry a population of circulating microRNAs independent of vesicles in human plasma. Proc Natl Acad Sci U S A. 2011 Mar 22;108(12):5003-8. doi: 10.1073/pnas.1019055108. Epub 2011 Mar 7.
- Oxnard GR, Thress KS, Alden RS, Lawrance R, Paweletz CP, Cantarini M, Yang JC, Barrett JC, Janne PA. Association Between Plasma Genotyping and Outcomes of Treatment With Osimertinib (AZD9291) in Advanced Non-Small-Cell Lung Cancer. J Clin Oncol. 2016 Oct 1;34(28):3375-82. doi: 10.1200/JCO.2016.66.7162. Epub 2016 Jun 27.
- Best MG, Sol N, In 't Veld SGJG, Vancura A, Muller M, Niemeijer AN, Fejes AV, Tjon Kon Fat LA, Huis In 't Veld AE, Leurs C, Le Large TY, Meijer LL, Kooi IE, Rustenburg F, Schellen P, Verschueren H, Post E, Wedekind LE, Bracht J, Esenkbrink M, Wils L, Favaro F, Schoonhoven JD, Tannous J, Meijers-Heijboer H, Kazemier G, Giovannetti E, Reijneveld JC, Idema S, Killestein J, Heger M, de Jager SC, Urbanus RT, Hoefer IE, Pasterkamp G, Mannhalter C, Gomez-Arroyo J, Bogaard HJ, Noske DP, Vandertop WP, van den Broek D, Ylstra B, Nilsson RJA, Wesseling P, Karachaliou N, Rosell R, Lee-Lewandrowski E, Lewandrowski KB, Tannous BA, de Langen AJ, Smit EF, van den Heuvel MM, Wurdinger T. Swarm Intelligence-Enhanced Detection of Non-Small-Cell Lung Cancer Using Tumor-Educated Platelets. Cancer Cell. 2017 Aug 14;32(2):238-252.e9. doi: 10.1016/j.ccell.2017.07.004.
- Tsui NB, Ng EK, Lo YM. Stability of endogenous and added RNA in blood specimens, serum, and plasma. Clin Chem. 2002 Oct;48(10):1647-53.
- Sharma SV, Lee DY, Li B, Quinlan MP, Takahashi F, Maheswaran S, McDermott U, Azizian N, Zou L, Fischbach MA, Wong KK, Brandstetter K, Wittner B, Ramaswamy S, Classon M, Settleman J. A chromatin-mediated reversible drug-tolerant state in cancer cell subpopulations. Cell. 2010 Apr 2;141(1):69-80. doi: 10.1016/j.cell.2010.02.027.
- Redwood N, Beggs D, Morgan WE. Dissemination of tumour cells from fine needle biopsy. Thorax. 1989 Oct;44(10):826-7. doi: 10.1136/thx.44.10.826.
- Mobadersany P, Yousefi S, Amgad M, Gutman DA, Barnholtz-Sloan JS, Velazquez Vega JE, Brat DJ, Cooper LAD. Predicting cancer outcomes from histology and genomics using convolutional networks. Proc Natl Acad Sci U S A. 2018 Mar 27;115(13):E2970-E2979. doi: 10.1073/pnas.1717139115. Epub 2018 Mar 12.
- Lans H, Hoeijmakers JHJ, Vermeulen W, Marteijn JA. The DNA damage response to transcription stress. Nat Rev Mol Cell Biol. 2019 Dec;20(12):766-784. doi: 10.1038/s41580-019-0169-4. Epub 2019 Sep 26.
- Kucab JE, Zou X, Morganella S, Joel M, Nanda AS, Nagy E, Gomez C, Degasperi A, Harris R, Jackson SP, Arlt VM, Phillips DH, Nik-Zainal S. A Compendium of Mutational Signatures of Environmental Agents. Cell. 2019 May 2;177(4):821-836.e16. doi: 10.1016/j.cell.2019.03.001. Epub 2019 Apr 11.
- Joosse SA, Beyer B, Gasch C, Nastaly P, Kuske A, Isbarn H, Horst LJ, Hille C, Gorges TM, Cayrefourcq L, Alix-Panabieres C, Tennstedt P, Riethdorf S, Schlomm T, Pantel K. Tumor-Associated Release of Prostatic Cells into the Blood after Transrectal Ultrasound-Guided Biopsy in Patients with Histologically Confirmed Prostate Cancer. Clin Chem. 2020 Jan 1;66(1):161-168. doi: 10.1373/clinchem.2019.310912.
- Jackson W 3rd, Sosnoski DM, Ohanessian SE, Chandler P, Mobley A, Meisel KD, Mastro AM. Role of Megakaryocytes in Breast Cancer Metastasis to Bone. Cancer Res. 2017 Apr 15;77(8):1942-1954. doi: 10.1158/0008-5472.CAN-16-1084. Epub 2017 Feb 15.
- Hustedt N, Durocher D. The control of DNA repair by the cell cycle. Nat Cell Biol. 2016 Dec 23;19(1):1-9. doi: 10.1038/ncb3452.
- Hirschhaeuser F, Menne H, Dittfeld C, West J, Mueller-Klieser W, Kunz-Schughart LA. Multicellular tumor spheroids: an underestimated tool is catching up again. J Biotechnol. 2010 Jul 1;148(1):3-15. doi: 10.1016/j.jbiotec.2010.01.012. Epub 2010 Jan 25.
- Gay LJ, Felding-Habermann B. Contribution of platelets to tumour metastasis. Nat Rev Cancer. 2011 Feb;11(2):123-34. doi: 10.1038/nrc3004.
- Chiou YY, Hu J, Sancar A, Selby CP. RNA polymerase II is released from the DNA template during transcription-coupled repair in mammalian cells. J Biol Chem. 2018 Feb 16;293(7):2476-2486. doi: 10.1074/jbc.RA117.000971. Epub 2017 Dec 27.
- Aitken SJ, Anderson CJ, Connor F, Pich O, Sundaram V, Feig C, Rayner TF, Lukk M, Aitken S, Luft J, Kentepozidou E, Arnedo-Pac C, Beentjes SV, Davies SE, Drews RM, Ewing A, Kaiser VB, Khamseh A, Lopez-Arribillaga E, Redmond AM, Santoyo-Lopez J, Sentis I, Talmane L, Yates AD; Liver Cancer Evolution Consortium; Semple CA, Lopez-Bigas N, Flicek P, Odom DT, Taylor MS. Pervasive lesion segregation shapes cancer genome evolution. Nature. 2020 Jul;583(7815):265-270. doi: 10.1038/s41586-020-2435-1. Epub 2020 Jun 24.
- Gerlinger M, Rowan AJ, Horswell S, Math M, Larkin J, Endesfelder D, Gronroos E, Martinez P, Matthews N, Stewart A, Tarpey P, Varela I, Phillimore B, Begum S, McDonald NQ, Butler A, Jones D, Raine K, Latimer C, Santos CR, Nohadani M, Eklund AC, Spencer-Dene B, Clark G, Pickering L, Stamp G, Gore M, Szallasi Z, Downward J, Futreal PA, Swanton C. Intratumor heterogeneity and branched evolution revealed by multiregion sequencing. N Engl J Med. 2012 Mar 8;366(10):883-892. doi: 10.1056/NEJMoa1113205.
- Siravegna G, Mussolin B, Buscarino M, Corti G, Cassingena A, Crisafulli G, Ponzetti A, Cremolini C, Amatu A, Lauricella C, Lamba S, Hobor S, Avallone A, Valtorta E, Rospo G, Medico E, Motta V, Antoniotti C, Tatangelo F, Bellosillo B, Veronese S, Budillon A, Montagut C, Racca P, Marsoni S, Falcone A, Corcoran RB, Di Nicolantonio F, Loupakis F, Siena S, Sartore-Bianchi A, Bardelli A. Clonal evolution and resistance to EGFR blockade in the blood of colorectal cancer patients. Nat Med. 2015 Jul;21(7):795-801. doi: 10.1038/nm.3870. Epub 2015 Jun 1.
Nützliche Links
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Geschätzt)
Studienabschluss (Geschätzt)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Geschätzt)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
- Urogenitale Erkrankungen
- Genitalerkrankungen
- Erkrankungen des endokrinen Systems
- Genitale Neubildungen, männlich
- Urogenitale Neoplasmen
- Neubildungen nach Standort
- Genitalerkrankungen, männlich
- Prostataerkrankungen
- Männliche Urogenitalerkrankungen
- Weibliche Urogenitalerkrankungen
- Weibliche Urogenitalerkrankungen und Schwangerschaftskomplikationen
- Darmerkrankungen
- Erkrankungen der Atemwege
- Neubildungen nach histologischem Typ
- Gastrointestinale Neubildungen
- Neoplasmen des Verdauungssystems
- Erkrankungen des Verdauungssystems
- Magen-Darm-Erkrankungen
- Darmtumoren
- Rektale Erkrankungen
- Genitalerkrankungen, weiblich
- Lungenkrankheit
- Neoplasmen der endokrinen Drüse
- Leberkrankheiten
- Neubildungen, Drüsen und Epithelien
- Adenokarzinom
- Lebertumoren
- Neubildungen der Atemwege
- Thoraxneoplasmen
- Darmerkrankungen
- Eierstockerkrankungen
- Adnexerkrankungen
- Genitale Neubildungen, weiblich
- Gonadenstörungen
- Karzinom
- Astrozytom
- Gliom
- Neubildungen, Neuroepithel
- Neuroektodermale Tumoren
- Neoplasmen, Keimzelle und Embryonal
- Neubildungen, Nervengewebe
- Karzinom, bronchogen
- Bronchiale Neubildungen
- Neubildungen
- Prostataneoplasmen
- Karzinom, hepatozellulär
- Lungentumoren
- Kolorektale Neubildungen
- Eierstocktumoren
- Glioblastom
- Karzinom, nicht-kleinzellige Lunge
- Bauchspeicheldrüsenkrebs, Erwachsener
- Untersuchungstechniken
- Klinische Labortechniken
- Diagnosetechniken und Verfahren
- Diagnose
- Hämatologische Tests
Andere Studien-ID-Nummern
- CCANED-CIPHER
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Produkt, das in den USA hergestellt und aus den USA exportiert wird
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .