Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Dynamics of Adaptation and Resistance in Cancer: MApping and conTrolling Transcriptional and Epigenetic Recurrence

Opis projektu

Zrozumieć oporność nowotworów na leki

Ewolucja nowotworów przebiega od wczesnego stadium, w którym choroba jest uleczalna, aż po raka opornego na leczenie, przy czym oporność na terapię stanowi jedno z głównych wyzwań w onkologii. Przyjmuje się, że oporność w dużej mierze wynika z dziedziczonych zmian epigenetycznych w komórkach nowotworowych, które często określa się mianem „ciemnej materii” ewolucji raka. Te adaptacje genetyczne i epigenetyczne mogą występować jednocześnie w obrębie jednego guza. Niestety, brak pełnej wiedzy na temat tych mechanizmów utrudnia prace nad nowymi metodami leczenia. Celem finansowanego przez Europejską Radę ds. Badań Naukowych projektu DARC MATTER jest zbadanie oporności na leki w przypadku raka jelita grubego. Korzystając z modeli organoidów na bazie próbek pobranych od pacjentów, zespół projektu sprawdzi, w jaki sposób organoidy te zmieniają się w wyniku zastosowania leczenia. Uczeni zamierzają wykorzystać zaawansowane techniki na potrzeby identyfikacji nowych mechanizmów oporności i opracowania modeli predykcyjnych, co w efekcie przyczyni się do poprawy strategii łączenia leków, a co za tym idzie do poprawy zdrowia pacjentów.

Cel

Tumours evolve, transforming from early-stage curable disease into treatment-refractory, deadly cancer. Therapy resistance is arguably the biggest problem in oncology today, and much of it remains unexplained.

The central hypothesis of this proposal is that a large proportion of unexplained drug resistance is due to heritable epigenetic alterations, and non-heritable transcriptional plasticity in cancer cells. I refer to these mechanisms as the dark matter of cancer evolution. Genetic, epigenetic and transcriptional adaptation, together with changes in the tumour microenvironment, may happen at the same time in the same tumour. Lack of knowledge of these mechanisms hinders the development of new treatments strategies. Tackling drug resistance requires a unique combination of clinical cohorts, experimental models, evolutionary biology and computational methods.

I will map and quantify the mechanisms and evolutionary dynamics of genetic and non-genetic drug resistance at unprecedented scale. I will focus on colorectal cancer, the third most common cancer and second leading cause of cancer-related death worldwide. I will use patient-derived organoid models, matched to clinical cohorts followed longitudinally. I will measure organoid evolution under the pressure of cancer drugs, with and without the tumour microenvironment. I will track cell lineages with lentiviral barcoding and perform longitudinal single cell multi-omics, measuring genomes, epigenomes and transcriptomes of the same cell. I will interpret the results within a unique computational framework that brings together evolutionary theory with machine learning to measure, predict and control resistance.

This project will identify new mechanisms and dynamics of cancer drug resistance, deliver new predictive models, and find novel collateral drug sensitivities. This will allow designing rational drug combinations and schedules that will prevent or delay resistance, drastically improving patient outcome.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

HORIZON-ERC - HORIZON ERC Grants

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) ERC-2023-COG

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Instytucja przyjmująca

FONDAZIONE HUMAN TECHNOPOLE
Wkład UE netto
€ 1 995 582,00
Adres
VIALE LEVI MONTALCINI RITA 1
20157 Milano
Włochy
Region
Nord-Ovest Lombardia Milano
Rodzaj działalności
Research Organisations
Linki
Koszt całkowity
€ 1 995 582,00

Beneficjenci (1)