HÁROM negatív emlőrák marker folyékony biopsziákban mesterséges intelligencia felhasználásával (TRICIA)

Indoklás: Az emlőrák legagresszívebb formája a hármas negatív mellrák (TNBC), amelyet azért neveznek, mert ezek a daganatok nem expresszálnak hormonreceptorokat vagy HER2 receptorokat, ezért nincsenek könnyen megcélozható molekuláik. A kemoterápia az egyetlen kezelés, a kemorezisztencia még a korai TNBC-ben is nagyon rossz eredményt jelez. A reziduális daganat jelenléte a műtét során (nem patológiás teljes válasz vagy nem pCR) kemorezisztenciát és rossz prognózist jelez, a betegek körülbelül 30-40%-a TNBC miatt hal meg a műtétet követő első 5 évben. Egy közelmúltbeli klinikai vizsgálat kimutatta, hogy a további kemoterápia (Capecitabine) kiegészítése javítja a túlélést ezeknél a nem pCR-ben szenvedő betegeknél, bár az ilyen betegek csak körülbelül 15%-a részesül előnyben. Az egyik legsürgetőbb kielégítetlen szükséglet az, hogy azonosítsuk azokat a betegeket, akik jól teljesítenek a nem pCR ellenére (hogy elkerüljék a plusz kemoterápiát), és akik ennek ellenére rosszul teljesítenek, valamint a rossz prognózist jelző tényezők azonosítása, amelyek új terápiás stratégiákhoz vezethetnek. ebben a csoportban.

A technológia fejlődésének jelenlegi állása: Eddig a BRCA1/2 mutációkon kívül egyetlen biomarker sem bizonyult klinikai hasznosságnak a TNBC kezelésében, valószínűleg a betegség összetett biológiája és heterogenitása miatt. A mesterséges intelligencia módszertanának közelmúltbeli fejlődésével valósággá válik a molekuláris adatok több rétegének kombinálása és integrálása az eredmény előrejelzéséhez, amely eddig kihívást jelentett. A hipotézis az, hogy a tumor és a plazma EV-k többdimenziós adatainak kombinálása elősegítheti a prognosztikai és prediktív aláírások kialakulását ebben a nagyon agresszív betegségben.

Előzetes adatok: Q-CROC-03 biopsziával vezérelt klinikai vizsgálatunknak köszönhetően, amelyben kemoterápiára rezisztens TNBC-ben szenvedő betegek daganatait és plazmáját gyűjtöttük össze. A teljes exome szekvencia adatokat lefordítottuk, hogy személyre szabott keringő tumor DNS (ctDNS) vizsgálatokat hozzunk létre. Adataink potenciális prognosztikai értéket mutatnak a ctDNS kimutatására a műtét előtti kemoterápia után. Együttműködést alakítottak ki Rodney Ouellette-tel (ACRI) az extracelluláris vezikulák (EV-k) plazmából történő izolálására és profilálására.

Célkitűzések: A jelen tanulmány célja a jó és rossz kimenetel, valamint a kemoterápiára adott tumorválasz jellemzőinek kifejlesztése TNBC-ben a daganatos és a folyékony biopsziák többdimenziós profilozásának integrálásával, mesterséges intelligencia (AI) eszközeinek felhasználásával.

Kísérleti megközelítés: A Q-CROC-03 kísérletben és a JGH biobankban gyűjtött plazmából (kemoterápiás kezelés előtt, alatt és után) EV-profilt kell végezni. A profilalkotás magában foglalja a teljes genom szekvenálást (GWS), a proteomikát, a transzkriptomikát és a miRNS-elemzést. Ipari partnerünkkel, a My Intelligent Machines-szel (MIMs), a bioinformatika és mesterséges intelligencia szakértőivel együttműködve gépi tanulási algoritmusokat fejlesztenek ki, amelyek integrálják a rezisztens daganatokból származó OMIC-adatokat a megfelelő plazma EV-adatokkal, és rossz eredménnyel járó tumor/plazma aláírást generálnak. . Ezzel párhuzamosan, az EXACTIS Innovációs Hálózattal együttműködve a betegek toborzásával, a kemoterápia utáni maradék daganatok gyűjtésével és a műtét utáni kapecitabin-kezelés során a megfelelő sorozatos plazmamintákkal az azonosított aláírás validálása érdekében a tumor/EV aláírást társítják a betegek túlélésével. .

A javasolt projekt mérföldkövei: 1. Elektromos járművek profilozása plazmából. 2. A kemorezisztens daganatok profilozása 3. Algoritmusok kidolgozása daganatok és EV-k többdimenziós adatainak integrálására.

A kifejlesztett aláírások IP védettek lesznek. Az akadémiai és ipari partnereknek közös szellemi tulajdonuk lesz (a megfelelő % meghatározandó). A prognosztikai teszteket azonosított biomarkereken dolgozzák ki, és a MIMsOmic Platformon keresztül terjesztik. A MIMsOmic egy mesterséges intelligencia által vezérelt platform, amelyet MIM-ek forgalmaznak, és amely lehetővé teszi az Omic adatelemzést is magában foglaló klinikai tesztek egyszerű, hatékony és költséghatékony elvégzését.

A jelen projekt a mellrák legagresszívebb típusára vonatkozóan rossz prognózisú biomarker aláírást fejleszt ki. Ez az aláírás lehetővé teszi azoknak a betegeknek az azonosítását, akiket nem szabad műtét utáni kemoterápiával kezelni, és elkerülheti a gyógyszerrel kapcsolatos toxicitásnak való szükségtelen kitettséget.