Apprendimento Predittivo Basato sullo Splicing per la Valutazione Individuale della Chemioterapia nel Cancro Colorettale (SPLICE)

Il cancro colorettale (CRC) rimane un importante problema di salute globale, con la chemioterapia adiuvante che rappresenta lo standard di cura dopo la resezione curativa. Tuttavia, le risposte dei pazienti alla terapia variano ampiamente e attualmente nessun modello molecolare validato guida la selezione del trattamento adiuvante.

Studi recenti suggeriscono che l'aberrante splicing alternativo - piuttosto che l'espressione genica da sola - svolge un ruolo cruciale nel determinare la sensibilità alla chemioterapia e la recidiva tumorale. Tuttavia, queste complesse variazioni trascrittomiche sono spesso trascurate dalle analisi standard di espressione differenziale.

Il framework ASPAIRE (Alternative Splicing and Predictive mAchIne learnIng for Response Evaluation) applica modelli computazionali avanzati per catturare caratteristiche di splicing multidimensionali dai dati RNA-seq e trasformarle in previsioni clinicamente utilizzabili.

In questo sforzo di ricerca, gli investigatori utilizzeranno il machine learning per prevedere la risposta alla chemioterapia adiuvante per il CRC. Il piano di ricerca impiegherà tre fasi:

1. Identificazione di pattern di splicing alternativo associati alla risposta alla chemioterapia adiuvante attraverso sequenziamento RNA ed estrazione computazionale di caratteristiche.
2. Gli investigatori svilupperanno quindi un saggio basato sulla reazione a catena della polimerasi quantitativa a trascrizione inversa (RT-qPCR) e addestreranno un modello di machine learning per prevedere la risposta alla chemioterapia.
3. Gli investigatori valideranno indipendentemente il saggio. Questo saggio è provvisoriamente denominato "SPLICE" (Splicing-based Predictive Learning for Individual Chemotherapy Evaluation in Colorectal Cancer) e sarà testato per la sopravvivenza libera da malattia fino a cinque anni dopo il trattamento.

Alla fine di questo studio, questo saggio sarà stato sviluppato e validato per aiutare la decisione clinica prevedendo sia la sopravvivenza libera da malattia.