- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT07226115
Apprentissage Prédictif Basé sur l'Épissage pour l'Évaluation Individuelle de la Chimiothérapie dans le Cancer Colorectal (SPLICE)
Apprentissage Prédictif Basé sur l'Épissage pour l'Évaluation Individuelle de la Chimiothérapie dans le Cancer Colorectal (SPLICE)
Le cancer colorectal (CCR) reste l'une des principales causes de mortalité liée au cancer dans le monde. Bien que la chimiothérapie adjuvante améliore la survie après une résection curative, son efficacité varie considérablement selon les patients. L'absence de biomarqueurs prédictifs fiables conduit souvent à un surtraitement ou à un sous-traitement.
Cette étude vise à développer un modèle prédictif basé sur l'apprentissage automatique pour la réponse à la chimiothérapie adjuvante en utilisant des signatures d'épissage alternatif dérivées de tumeurs.
En intégrant les données de RNA-seq, les isoformes d'épissage et les résultats cliniques, cette étude cherche à identifier les prédicteurs moléculaires de la réponse au traitement et du risque de récidive après la chirurgie.
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
Le cancer colorectal (CCR) reste un fardeau majeur pour la santé mondiale, la chimiothérapie adjuvante représentant le standard de soins après une résection curative. Cependant, les réponses des patients au traitement varient considérablement, et aucun modèle moléculaire validé ne guide actuellement la sélection du traitement adjuvant.
Des études récentes suggèrent que l'épissage alternatif aberrant - plutôt que l'expression génique seule - joue un rôle crucial dans la détermination de la sensibilité à la chimiothérapie et la récidive tumorale. Pourtant, ces variations transcriptomiques complexes sont souvent manquées par les analyses d'expression différentielle standard.
Le cadre ASPAIRE (Alternative Splicing and Predictive mAchIne learnIng for Response Evaluation) applique une modélisation computationnelle avancée pour capturer les caractéristiques d'épissage multidimensionnelles à partir des données RNA-seq et les transformer en prédictions cliniquement exploitables.
Dans cet effort de recherche, les investigateurs utiliseront l'apprentissage automatique pour prédire la réponse à la chimiothérapie adjuvante pour le CCR. Le plan de recherche emploiera trois phases :
- Identification des motifs d'épissage alternatif associés à la réponse à la chimiothérapie adjuvante par séquençage ARN et extraction computationnelle de caractéristiques.
- Les investigateurs développeront ensuite un test basé sur la transcription inverse et la réaction en chaîne par polymérase quantitative (RT-qPCR) et entraîneront un modèle d'apprentissage automatique pour prédire la réponse à la chimiothérapie.
- Les investigateurs valideront indépendamment le test. Ce test est provisoirement nommé "SPLICE" (Splicing-based Predictive Learning for Individual Chemotherapy Evaluation in Colorectal Cancer) et sera testé pour la survie sans maladie jusqu'à cinq ans après le traitement.
À la fin de cette étude, ce test aura été développé et validé pour aider la prise de décision clinique en prédisant à la fois la survie sans maladie.
Type d'étude
Inscription (Estimé)
Contacts et emplacements
Coordonnées de l'étude
- Nom: Ajay Goel, PhD
- Numéro de téléphone: 626-218-3452
- E-mail: ajgoel@coh.org
Lieux d'étude
-
-
California
-
Duarte, California, États-Unis, 91010
- Recrutement
- City of Hope Medical Center
-
Contact:
- Ajay Goel, PhD
- Numéro de téléphone: 626-218-3452
- E-mail: ajgoel@coh.org
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
La description
Critères d'inclusion :
- Cancer colorectal de stade II-III confirmé histologiquement (classification TNM, 8e édition)
- A reçu une chimiothérapie adjuvante standard après résection curative
- Disponibilité de tissu tumoral (FFPE ou congelé) avant la chimiothérapie
- Données cliniques suffisantes pour l'analyse des résultats (récidive, survie)
- Âge de 18 à 80 ans
Critères d'exclusion :
- Maladie inflammatoire de l'intestin
- Qualité d'ARN inadéquate ou absence de consentement
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
|---|---|
|
Non-répondeurs du cancer colorectal (Cohorte d'entraînement)
Non-répondeurs du cancer colorectal ayant développé une récidive de CCR dans les 60 mois suivant le traitement de la tumeur primaire, dans la première cohorte
|
Un panel d'isoformes d'épissage de l'ARN, dont le niveau est testé dans des échantillons de tissus dérivés de la tumeur primitive.
|
|
Répondeurs du cancer colorectal (Cohorte d'entraînement)
Répondeurs du cancer colorectal qui n'ont pas développé de récidive de CCR dans les 60 mois suivant le traitement de la tumeur primaire, dans la première cohorte
|
Un panel d'isoformes d'épissage de l'ARN, dont le niveau est testé dans des échantillons de tissus dérivés de la tumeur primitive.
|
|
Non-répondeurs du cancer colorectal, avec une maladie récurrente (Cohorte de validation)
Non-répondeurs du cancer colorectal ayant développé une récidive de CCR dans les 60 mois suivant le traitement de la tumeur primitive, dans la deuxième cohorte de validation indépendante
|
Un panel d'isoformes d'épissage de l'ARN, dont le niveau est testé dans des échantillons de tissus dérivés de la tumeur primitive.
|
|
Répondeurs du cancer colorectal (Cohorte de validation)
Répondeurs du cancer colorectal qui n'ont pas développé de récidive de CCR dans les 60 mois suivant le traitement de la tumeur primaire, dans la deuxième cohorte de validation indépendante
|
Un panel d'isoformes d'épissage de l'ARN, dont le niveau est testé dans des échantillons de tissus dérivés de la tumeur primitive.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Survie Sans Récurrence
Délai: de la date du traitement de la maladie à la date du décès ou jusqu'à 60 mois
|
Temps entre le traitement de la maladie et l'apparition d'un cancer colorectal récurrent
|
de la date du traitement de la maladie à la date du décès ou jusqu'à 60 mois
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Survie globale
Délai: de la date du traitement de la maladie jusqu'à la date du décès ou jusqu'à 60 mois
|
Temps entre le traitement de la maladie et le décès, quelle qu'en soit la cause
|
de la date du traitement de la maladie jusqu'à la date du décès ou jusqu'à 60 mois
|
Collaborateurs et enquêteurs
Parrainer
Les enquêteurs
- Chercheur principal: Ajay Goel, PhD, City of Hope Medical Center
Publications et liens utiles
Publications générales
- Dienstmann R, Salazar R, Tabernero J. Personalizing colon cancer adjuvant therapy: selecting optimal treatments for individual patients. J Clin Oncol. 2015 Jun 1;33(16):1787-96. doi: 10.1200/JCO.2014.60.0213. Epub 2015 Apr 27.
- Andre T, Boni C, Navarro M, Tabernero J, Hickish T, Topham C, Bonetti A, Clingan P, Bridgewater J, Rivera F, de Gramont A. Improved overall survival with oxaliplatin, fluorouracil, and leucovorin as adjuvant treatment in stage II or III colon cancer in the MOSAIC trial. J Clin Oncol. 2009 Jul 1;27(19):3109-16. doi: 10.1200/JCO.2008.20.6771. Epub 2009 May 18.
- Andre T, Meyerhardt J, Iveson T, Sobrero A, Yoshino T, Souglakos I, Grothey A, Niedzwiecki D, Saunders M, Labianca R, Yamanaka T, Boukovinas I, Vernerey D, Meyers J, Harkin A, Torri V, Oki E, Georgoulias V, Taieb J, Shields A, Shi Q. Effect of duration of adjuvant chemotherapy for patients with stage III colon cancer (IDEA collaboration): final results from a prospective, pooled analysis of six randomised, phase 3 trials. Lancet Oncol. 2020 Dec;21(12):1620-1629. doi: 10.1016/S1470-2045(20)30527-1.
- Di Narzo AF, Tejpar S, Rossi S, Yan P, Popovici V, Wirapati P, Budinska E, Xie T, Estrella H, Pavlicek A, Mao M, Martin E, Scott W, Bosman FT, Roth A, Delorenzi M. Test of four colon cancer risk-scores in formalin fixed paraffin embedded microarray gene expression data. J Natl Cancer Inst. 2014 Sep 22;106(10):dju247. doi: 10.1093/jnci/dju247. Print 2014 Oct.
- Auclin E, Zaanan A, Vernerey D, Douard R, Gallois C, Laurent-Puig P, Bonnetain F, Taieb J. Subgroups and prognostication in stage III colon cancer: future perspectives for adjuvant therapy. Ann Oncol. 2017 May 1;28(5):958-968. doi: 10.1093/annonc/mdx030.
- Okuno K, Kandimalla R, Mendiola M, Balaguer F, Bujanda L, Fernandez-Martos C, Aparicio J, Feliu J, Tokunaga M, Kinugasa Y, Maurel J, Goel A. A microRNA signature for risk-stratification and response prediction to FOLFOX-based adjuvant therapy in stage II and III colorectal cancer. Mol Cancer. 2023 Jan 20;22(1):13. doi: 10.1186/s12943-022-01699-2. No abstract available.
- Zhang JX, Song W, Chen ZH, Wei JH, Liao YJ, Lei J, Hu M, Chen GZ, Liao B, Lu J, Zhao HW, Chen W, He YL, Wang HY, Xie D, Luo JH. Prognostic and predictive value of a microRNA signature in stage II colon cancer: a microRNA expression analysis. Lancet Oncol. 2013 Dec;14(13):1295-306. doi: 10.1016/S1470-2045(13)70491-1. Epub 2013 Nov 13.
- Gray RG, Quirke P, Handley K, Lopatin M, Magill L, Baehner FL, Beaumont C, Clark-Langone KM, Yoshizawa CN, Lee M, Watson D, Shak S, Kerr DJ. Validation study of a quantitative multigene reverse transcriptase-polymerase chain reaction assay for assessment of recurrence risk in patients with stage II colon cancer. J Clin Oncol. 2011 Dec 10;29(35):4611-9. doi: 10.1200/JCO.2010.32.8732. Epub 2011 Nov 7.
- Zhang M, Chen C, Lu Z, Cai Y, Li Y, Zhang F, Liu Y, Chen S, Zhang H, Yang S, Gen H, Jiang Y, Ning C, Huang J, Wang W, Fan L, Zhang Y, Jin M, Han J, Xiong Z, Cai M, Liu J, Huang C, Yang X, Xu B, Li H, Li B, Zhu X, Wei Y, Zhu Y, Tian J, Miao X. Genetic Control of Alternative Splicing and its Distinct Role in Colorectal Cancer Mechanisms. Gastroenterology. 2023 Nov;165(5):1151-1167. doi: 10.1053/j.gastro.2023.07.019. Epub 2023 Aug 3.
- Reichling C, Taieb J, Derangere V, Klopfenstein Q, Le Malicot K, Gornet JM, Becheur H, Fein F, Cojocarasu O, Kaminsky MC, Lagasse JP, Luet D, Nguyen S, Etienne PL, Gasmi M, Vanoli A, Perrier H, Puig PL, Emile JF, Lepage C, Ghiringhelli F. Artificial intelligence-guided tissue analysis combined with immune infiltrate assessment predicts stage III colon cancer outcomes in PETACC08 study. Gut. 2020 Apr;69(4):681-690. doi: 10.1136/gutjnl-2019-319292. Epub 2019 Nov 28.
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Estimé)
Achèvement de l'étude (Estimé)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Mots clés
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- 23228/SPLICE
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Description du régime IPD
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .