Splice-baserad prediktiv inlärning för individuell utvärdering av kemoterapi vid kolorektalcancer (SPLICE)

Tjock- och ändtarmscancer (CRC) kvarstår som en betydande global hälsobörda, där adjuvant kemoterapi utgör standardbehandling efter kurativ resektion. Emellertid varierar patienters respons på behandling avsevärt, och för närvarande finns ingen validerad molekylär modell som vägleder val av adjuvant behandling.

Nya studier tyder på att avvikande alternativ splicing – snarare än genuttryck på gennivå ensamt – spelar en avgörande roll för att forma känslighet för kemoterapi och tumöråterfall. Ändå missas ofta dessa komplexa transkriptomiska variationer av standardanalyser för differentiellt uttryck.

ASPAIRE-ramverket (Alternative Splicing and Predictive mAchIne learnIng for Response Evaluation) tillämpar avancerad datormodellering för att fånga flerdimensionella splicing-funktioner från RNA-seq-data och omvandla dem till kliniskt användbara förutsägelser.

I detta forskningsarbete kommer forskarna att utnyttja maskininlärning för att förutsäga respons på adjuvant kemoterapi för CRC. Forskningsplanen kommer att använda tre faser:

1. Identifiering av alternativa splicingsmönster associerade med respons på adjuvant kemoterapi genom RNA-sekvensering och datordriven funktionsextrahering.
2. Forskarna kommer sedan att utveckla ett test baserat på revers transkriptas-kvantitativ polymeraskedjereaktion (RT-qPCR) och träna en maskininlärningsmodell för att förutsäga kemoterapirespons.
3. Forskarna kommer att validera testet oberoende. Detta test kallas preliminärt "SPLICE" (Splicing-based Predictive Learning for Individual Chemotherapy Evaluation in Colorectal Cancer) och kommer att testas för sjukdomsfri överlevnad upp till fem år efter behandling.

I slutet av denna studie kommer detta test att ha utvecklats och validerats för att hjälpa kliniskt beslutsfattande genom att förutsäga både sjukdomsfri överlevnad.