Сплайсинг-ориентированное прогностическое обучение для индивидуальной оценки химиотерапии при колоректальном раке (SPLICE)

Колоректальный рак (КРР) остается серьезной глобальной проблемой для здравоохранения, при этом адъювантная химиотерапия представляет собой стандарт лечения после радикальной резекции. Однако реакция пациентов на терапию значительно варьируется, и в настоящее время не существует валидированной молекулярной модели для выбора адъювантного лечения.

Недавние исследования показывают, что аберрантный альтернативный сплайсинг, а не только экспрессия на уровне генов, играет ключевую роль в формировании чувствительности к химиотерапии и рецидива опухоли. Тем не менее, эти сложные транскриптомные вариации часто упускаются при стандартном анализе дифференциальной экспрессии.

Фреймворк ASPAIRE (Alternative Splicing and Predictive mAchIne learnIng for Response Evaluation) применяет передовые вычислительные модели для захвата многомерных особенностей сплайсинга из данных RNA-seq и преобразования их в клинически применимые прогнозы.

В данном исследовании исследователи будут использовать машинное обучение для прогнозирования реакции на адъювантную химиотерапию при КРР. План исследования будет включать три фазы:

1. Идентификация паттернов альтернативного сплайсинга, связанных с реакцией на адъювантную химиотерапию, с помощью РНК-секвенирования и вычислительного извлечения признаков.
2. Затем исследователи разработают анализ на основе количественной ПЦР в реальном времени (ОТ-ПЦР) и обучат модель машинного обучения для прогнозирования реакции на химиотерапию.
3. Исследователи независимо валидируют анализ. Этот анализ предварительно назван "SPLICE" (Splicing-based Predictive Learning for Individual Chemotherapy Evaluation in Colorectal Cancer) и будет тестироваться на выживаемость без заболевания до пяти лет после лечения.

По окончании данного исследования этот анализ будет разработан и валидирован для помощи в клиническом принятии решений путем прогнозирования выживаемости без заболевания.