Badanie CCANED-CIPHER: wczesne wykrywanie raka i monitorowanie odpowiedzi na leczenie przy użyciu profilowania transkryptomicznego płytek krwi i komórek odpornościowych w oparciu o sztuczną inteligencję (CCANED-CIPHER)
Przegląd badań
Status
Warunki
Szczegółowy opis
Szczegółowy opis Badanie CCANED-CIPHER ma na celu zrewolucjonizowanie diagnostyki nowotworów i monitorowania leczenia poprzez opracowanie i ocenę narzędzia do wczesnego wykrywania nowotworów opartego na sztucznej inteligencji, które profiluje biomarkery RNA z płytek krwi i komórek odpornościowych w próbkach krwi. To nieinwazyjne podejście wykorzystuje metody biopsji płynnej w celu poprawy wczesnego wykrywania raka i zapewnienia wglądu w reakcje terapeutyczne.
Faza 1 (CCANED): Wczesne wykrywanie raka
Cel:
Identyfikacja specyficznych biomarkerów RNA pochodzących z płytek krwi, które mogą odróżnić osoby z powszechnymi nowotworami od zdrowych osób z grupy kontrolnej, za pomocą analizy transkryptomicznej opartej na sztucznej inteligencji.
Metodologia:
Rekrutacja uczestników: Zapisz 3500 pacjentów z potwierdzonymi diagnozami różnych powszechnych nowotworów i 1500 osób z grupy kontrolnej wolnej od nowotworu, dobranych pod względem wieku i płci.
Pobieranie próbek: Na początku badania należy pobrać pojedynczą próbkę krwi od każdego uczestnika.
Analiza laboratoryjna:
Izolacja płytek krwi: ekstrakcja płytek krwi z próbek krwi. Sekwencjonowanie RNA: Wykonaj profilowanie transkryptomiczne, aby zidentyfikować wzorce ekspresji RNA.
Analiza danych:
Integracja AI: Wykorzystaj algorytmy uczenia maszynowego do analizy danych RNA i identyfikacji biomarkerów wskazujących na obecność raka.
Ocena statystyczna: Ocena czułości i swoistości narzędzia diagnostycznego oraz oceny jego zdolności do różnicowania typów nowotworów.
Oczekiwane rezultaty:
Identyfikacja wiarygodnych biomarkerów RNA do wczesnego wykrywania nowotworów. Weryfikacja dokładności i wykonalności narzędzia diagnostycznego opartego na sztucznej inteligencji w warunkach klinicznych.
Faza 2 (CIPHER): Monitorowanie odpowiedzi terapeutycznej
Cel:
Ocena, w jaki sposób biomarkery RNA z komórek odpornościowych i płytek krwi korelują z odpowiedziami terapeutycznymi, zapewniając wgląd w skuteczność leczenia i potencjalny nawrót.
Metodologia:
Rekrutacja uczestników: Do badania należy włączyć 1000 pacjentów chorych na raka, u których zdiagnozowano HCC lub NSCLC w stadiach od I do IV.
Kolekcja próbek:
Wartość wyjściowa: Przed rozpoczęciem terapii należy pobrać próbki krwi. Obserwacja: Dodatkowe próbki po 6 tygodniach i 6 miesiącach od rozpoczęcia terapii.
Analiza laboratoryjna:
Izolacja komórek odpornościowych i płytek krwi: Wyekstrahuj te składniki z próbek krwi.
Profilowanie transkryptomiczne: analizuj zmiany ekspresji RNA w czasie.
Analiza danych:
Badania korelacji: ocena powiązań między biomarkerami RNA a odpowiedziami na leczenie kliniczne.
Modelowanie predykcyjne: Opracuj modele integrujące profile RNA płytek krwi i komórek odpornościowych w celu przewidywania wyników.
Oczekiwane rezultaty:
Identyfikacja biomarkerów korelujących z odpowiedzią na leczenie i przeżyciem wolnym od progresji.
Opracowanie modeli predykcyjnych nawrotów i oporności na leki.
Znaczenie badania
Badanie CCANED-CIPHER wychodzi naprzeciw krytycznym potrzebom onkologii, dostarczając:
Diagnostyka nieinwazyjna: badanie krwi, które zmniejsza potrzebę wykonywania inwazyjnych biopsji tkanek.
Wczesne wykrywanie: Możliwość identyfikacji nowotworów na wcześniejszym, łatwiejszym do wyleczenia etapie.
Medycyna spersonalizowana: dostosowane strategie leczenia oparte na indywidualnych profilach biomarkerów.
Ulepszone monitorowanie: Zwiększona możliwość monitorowania skuteczności leczenia i odpowiedniego dostosowywania terapii.
Predykcyjne spostrzeżenia: wczesne wykrywanie nawrotów choroby lub oporności na leki, umożliwiające szybką interwencję kliniczną.
Oczekiwany wpływ i przyszłe zastosowania Dzięki integracji zaawansowanych technologii sztucznej inteligencji z innowacyjnymi metodami biopsji płynnej badanie CCANED-CIPHER ma na celu znaczną poprawę wykrywania nowotworów i wyników leczenia pacjentów. Identyfikacja specyficznych biomarkerów RNA z płytek krwi i komórek odpornościowych może zmienić obecne praktyki w onkologii, oferując bardziej skuteczne, dokładne i przyjazne dla pacjenta podejście do leczenia raka.
Typ studiów
Zapisy (Szacowany)
Kontakty i lokalizacje
Kontakt w sprawie studiów
- Nazwa: Javier Toledo, Medical Degree
- Numer telefonu: +44 (0)1223 496000
- E-mail: research@dysplasiadx.com
Kopia zapasowa kontaktu do badania
- Nazwa: Osagie Izuogu, PhD
- Numer telefonu: +44 (0)1223 496000
- E-mail: info@dysplasiadx.com
Lokalizacje studiów
-
-
-
Rosario, Argentyna
- Aktywny, nie rekrutujący
- Various Cancer Centres
-
-
-
-
-
Lagos, Nigeria
- Rekrutacyjny
- NSIA- Lagos University Teaching Hospital Cancer Centre
-
Kontakt:
- Adewumi Alabi, Oncology
- Numer telefonu: +2348052843206
- E-mail: aalabi@nlcc.ng
-
Kontakt:
- Solomon Rotimi, Ph.D
- E-mail: solomon@dysplasiadx.com
-
-
-
-
-
Cambridge, Zjednoczone Królestwo, CB22 3AT
- Rejestracja na zaproszenie
- Babraham Research Institute
-
London, Zjednoczone Królestwo, W1W 7LT
- Rekrutacyjny
- Dysplasia Diagnostics Limited
-
Kontakt:
- Chief Medical Officer, Medical
- Numer telefonu: +447494946013
- E-mail: research@dysplasiadx.com
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Aby zapewnić możliwość uogólnienia i solidność wyników, do badania CCANED-CIPHER zostanie włączona zróżnicowana, rozproszona geograficznie populacja. Badanie jest podzielone na dwie fazy i obejmuje maksymalnie 10 ośrodków medycznych na całym świecie w Wielkiej Brytanii, Europie, Ameryce i Azji.
Faza 1 (CCANED):
Uczestnicy: 5000 dorosłych w wieku 40 lat i starszych.
- Pacjenci z nowotworem: 3500 osób z potwierdzonym rozpoznaniem częstych nowotworów.
- Zdrowa grupa kontrolna: 1500 osób w tym samym wieku wolnych od raka.
Strategia rekrutacji: Uczestnicy zostaną zidentyfikowani i zapisani za pośrednictwem uczestniczących ośrodków medycznych, co zapewni reprezentatywną próbę z różnych lokalizacji geograficznych.
Faza 2 (SZYFIER):
Uczestnicy: 1000 dorosłych w wieku 40 lat i starszych, u których zdiagnozowano HCC lub NSCLC w stadiach I–IV.
Strategia rekrutacji: Pacjenci z nowotworem będą rekrutowani z uczestniczących ośrodków onkologicznych, zapewniając szeroką reprezentację stadiów choroby i tła leczenia.
Opis
Faza 1 (CCANED)
Kryteria włączenia:
- Wiek: Dorośli w wieku 40 lat lub starsi.
- Potwierdzona diagnoza jednego z następujących powszechnych nowotworów: niedrobnokomórkowy rak płuc (NSCLC), glejak wielopostaciowy (GBM), rak jelita grubego, rak wątrobowokomórkowy (HCC), rak piersi, rak prostaty, rak jajnika, rak trzustki.
Kryteria wykluczenia:
- Obecnie w ciąży.
- Obecność jakichkolwiek aktywnych chorób zakaźnych.
- Stosowanie leków przeciwzakrzepowych lub przeciwpłytkowych w ciągu ostatnich 2 tygodni.
- Wszelkie schorzenia lub schorzenia psychiczne, które mogą mieć wpływ na zdolność uczestnika do przestrzegania procedur badawczych.
Faza 2 (SZYFR)
Kryteria włączenia:
- Dorośli w wieku 40 lat i starsi.
- Potwierdzona diagnoza: rak wątrobowokomórkowy (HCC), niedrobnokomórkowy rak płuc (NSCLC)
- Gotowość do pobierania próbek krwi w określonych odstępach czasu (początkowo, 6 tygodni i 6 miesięcy po rozpoczęciu terapii).
Kryteria wykluczenia:
- Obecność innego nowotworu złośliwego, chyba że był on w remisji przez co najmniej 5 lat.
- Znaczące, niekontrolowane choroby współistniejące, które mogą zakłócać udział w badaniu lub jego wyniki.
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Kohorty i interwencje
Grupa / Kohorta |
Interwencja / Leczenie |
|---|---|
|
Pacjenci z nowotworem (faza 1)
Ramię to obejmie 3500 osób z potwierdzonym rozpoznaniem częstych nowotworów, takich jak niedrobnokomórkowy rak płuc (NSCLC), glejak wielopostaciowy (GBM), rak jelita grubego, rak wątrobowokomórkowy (HCC), rak piersi, rak prostaty, rak jajnika i rak trzustki. Rak.
|
Procedura: Na początku badania uczestnicy zostaną poddani pojedynczemu pobraniu krwi. Analiza próbki: Izolacja płytek krwi: Z pobranych próbek krwi zostaną pobrane płytki krwi. Analiza RNA: RNA z wyizolowanych płytek krwi zostanie wyodrębnione i przeanalizowane przy użyciu profilowania transkryptomicznego opartego na sztucznej inteligencji w celu identyfikacji biomarkerów związanych z nowotworem. |
|
Zdrowe Osoby
Ramię to będzie składać się z 1500 dobranych pod względem wieku i płci osób wolnych od nowotworu, służących jako grupa kontrolna.
|
Procedura: Na początku badania uczestnicy zostaną poddani pojedynczemu pobraniu krwi. Analiza próbki: Izolacja płytek krwi: Z pobranych próbek krwi zostaną pobrane płytki krwi. Analiza RNA: RNA z wyizolowanych płytek krwi zostanie wyodrębnione i przeanalizowane przy użyciu profilowania transkryptomicznego opartego na sztucznej inteligencji w celu identyfikacji biomarkerów związanych z nowotworem. |
|
Pacjenci z nowotworem w trakcie leczenia
Kohorta ta obejmie 1000 pacjentów, u których zdiagnozowano raka wątrobowokomórkowego (HCC) lub niedrobnokomórkowego raka płuc (NSCLC) w stadiach I–IV, którzy wkrótce rozpoczną standardową terapię przeciwnowotworową.
|
Procedura: Na początku badania uczestnicy zostaną poddani pojedynczemu pobraniu krwi. Analiza próbki: Izolacja płytek krwi: Z pobranych próbek krwi zostaną pobrane płytki krwi. Analiza RNA: RNA z wyizolowanych płytek krwi zostanie wyodrębnione i przeanalizowane przy użyciu profilowania transkryptomicznego opartego na sztucznej inteligencji w celu identyfikacji biomarkerów związanych z nowotworem. Procedury: Pobieranie próbek krwi: Uczestnicy będą pobierać próbki krwi w trzech punktach czasowych: Wartość wyjściowa: Przed rozpoczęciem terapii. 6 tygodni po rozpoczęciu terapii: w celu monitorowania wczesnej odpowiedzi na leczenie. 6 miesięcy po rozpoczęciu terapii: w celu oceny długoterminowych wyników terapeutycznych. Analiza próbki: Izolacja płytek krwi i komórek układu odpornościowego: Płytki krwi: ekstrahowane z każdej próbki krwi w celu dalszego monitorowania profili RNA. Komórki odpornościowe: Oddzielone od próbek krwi w celu analizy odpowiedzi immunologicznej na terapię. Analiza RNA: Płytkowy RNA: analizowano w celu obserwacji zmian w profilach transkryptomicznych w czasie przy użyciu narzędzi opartych na sztucznej inteligencji. RNA komórek odpornościowych: badane w celu oceny zmian transkryptomicznych związanych z odpowiedziami terapeutycznymi. Korelacja danych: Ocena odpowiedzi terapeutycznej: Profile RNA z płytek krwi i komórek odpornościowych zostaną skorelowane z wynikami klinicznymi w celu zidentyfikowania biomarkerów pozwalających przewidzieć skuteczność leczenia, przeżycie wolne od progresji, nawroty i oporność na leki. |
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Identyfikacja biomarkerów RNA płytek krwi odróżniających pacjentów chorych na raka od kontroli
Ramy czasowe: Linia bazowa (pojedynczy punkt czasowy)
|
Wykorzystaj opartą na sztucznej inteligencji analizę transkryptomiczną RNA płytek krwi, aby zidentyfikować biomarkery odróżniające pacjentów chorych na raka od osób zdrowych.
|
Linia bazowa (pojedynczy punkt czasowy)
|
|
Identyfikacja biomarkerów RNA korelujących z odpowiedzią terapeutyczną (faza 2)
Ramy czasowe: Wartość wyjściowa do 6 miesięcy po rozpoczęciu terapii
|
Identyfikacja biomarkerów RNA z komórek odpornościowych i płytek krwi, które korelują z odpowiedzią kliniczną na leczenie, mierzoną za pomocą standardowych kryteriów (np. RECIST)
|
Wartość wyjściowa do 6 miesięcy po rozpoczęciu terapii
|
|
Związek między transkryptomami komórek odpornościowych a sygnałami płytek krwi opartymi na AI
Ramy czasowe: Wartość wyjściowa do 6 miesięcy po rozpoczęciu terapii
|
Oceń, w jaki sposób zmiany w transkryptomach komórek odpornościowych są powiązane z sygnałami wykrywanymi przez narzędzie do profilowania płytek krwi oparte na sztucznej inteligencji.
|
Wartość wyjściowa do 6 miesięcy po rozpoczęciu terapii
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Czułość i swoistość narzędzia diagnostycznego opartego na sztucznej inteligencji (faza 1)
Ramy czasowe: Linia bazowa
|
Oblicz dokładność diagnostyczną narzędzia opartego na sztucznej inteligencji w wykrywaniu nowotworów wśród uczestników.
|
Linia bazowa
|
|
Wykonalność wdrożenia profilowania transkryptomicznego płytek krwi
Ramy czasowe: Faza 1 - 2 lata
|
Oceń praktyczność pobierania, przetwarzania i analizy próbek w warunkach klinicznych.
|
Faza 1 - 2 lata
|
|
Opracowanie modeli predykcyjnych wyników leczenia (faza 2)
Ramy czasowe: Faza 2 – dwa lata
|
Twórz i weryfikuj modele predykcyjne, które integrują profile RNA płytek krwi i komórek odpornościowych, aby przewidzieć odpowiedź na leczenie i przeżycie wolne od progresji.
|
Faza 2 – dwa lata
|
|
Identyfikacja biomarkerów prognostycznych nawrotu choroby i oporności na leki (faza 2)
Ramy czasowe: Wartość wyjściowa do 6 miesięcy po rozpoczęciu terapii
|
Zidentyfikuj biomarkery RNA predykcyjne nawrotu i oporności na leki podczas 6-miesięcznej obserwacji.
|
Wartość wyjściowa do 6 miesięcy po rozpoczęciu terapii
|
Współpracownicy i badacze
Sponsor
Śledczy
- Dyrektor Studium: Solomon Rotimi, PhD, Dysplasia Diagnostics Limited
- Główny śledczy: Javier Toledo, Medical Degree, Dysplasia Diagnostics Limited
Publikacje i pomocne linki
Publikacje ogólne
- 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.
Przydatne linki
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Szacowany)
Ukończenie studiów (Szacowany)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Szacowany)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
- Choroby układu moczowo-płciowego
- Choroby narządów płciowych
- Choroby układu hormonalnego
- Nowotwory narządów płciowych, mężczyzna
- Nowotwory układu moczowo-płciowego
- Nowotwory według lokalizacji
- Choroby narządów płciowych, mężczyzna
- Choroby prostaty
- Choroby układu moczowo-płciowego u mężczyzn
- Choroby układu moczowo-płciowego kobiet
- Choroby układu moczowo-płciowego kobiet i powikłania ciąży
- Choroby jelit
- Choroby Układu Oddechowego
- Nowotwory według typu histologicznego
- Nowotwory przewodu pokarmowego
- Nowotwory Układu Pokarmowego
- Choroby Układu Pokarmowego
- Choroby przewodu pokarmowego
- Nowotwory jelit
- Choroby odbytu
- Choroby narządów płciowych, kobiety
- Choroby płuc
- Nowotwory gruczołów dokrewnych
- Choroby wątroby
- Nowotwory gruczołowe i nabłonkowe
- Rak gruczołowy
- Nowotwory wątroby
- Nowotwory Układu Oddechowego
- Nowotwory klatki piersiowej
- Choroby okrężnicy
- Choroby jajników
- Choroby przydatków
- Nowotwory narządów płciowych, kobiety
- Zaburzenia gonad
- Rak
- Gwiaździak
- Glejak
- Nowotwory neuroepitelialne
- Nowotwory neuroektodermalne
- Nowotwory, komórki rozrodcze i embrionalne
- Nowotwory, tkanka nerwowa
- Rak, Bronchogenny
- Nowotwory oskrzeli
- Nowotwory
- Nowotwory prostaty
- Rak wątrobowokomórkowy
- Nowotwory płuc
- Nowotwory jelita grubego
- Nowotwory jajnika
- Glejaka wielopostaciowego
- Rak, płuco niedrobnokomórkowe
- Rak trzustki, dorosły
- Techniki śledcze
- Techniki laboratoryjne kliniczne
- Techniki i procedury diagnostyczne
- Diagnoza
- Testy hematologiczne
Inne numery identyfikacyjne badania
- CCANED-CIPHER
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
produkt wyprodukowany i wyeksportowany z USA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .