Targeting the adaptive capacity of prostate cancer through the manipulation of transcriptional and metabolic traits

Opis projektu

Badanie adaptacyjnych właściwości komórek nowotworowych w progresji chorób

Skład i cechy molekularne nowotworów zmieniają się w przebiegu choroby, ale mechanizmy leżące u podstaw tych zmian pozostają słabo poznane. Finansowany przez UE projekt CancerADAPT opiera się na hipotezie, zgodnie z którą komórki nowotworowe wykorzystują adaptacyjne mechanizmy transkrypcyjne i metaboliczne, szybko tworząc nowe mikrośrodowiska podczas progresji choroby. Założeniem projektu jest określenie molekularnych sygnałów, które regulują właściwości adaptacyjne komórek raka prostaty. Naukowcy wykorzystają metodę RNA-Seq dla pojedynczych komórek, transkryptomikę przestrzenną i wieloobszarową omikę, aby zidentyfikować zróżnicowanie transkrypcyjne i metaboliczne w obrębie guzów w przebiegu choroby. Analizy obliczeniowe pozwolą zidentyfikować i sklasyfikować przewidywane strategie adaptacyjne komórek raka prostaty w odpowiedzi na zmiany w mikrośrodowisku nowotworu.

Cel

The composition and molecular features of tumours vary during the course of the disease, and the selection pressure imposed by the environment is a central component in this process. Evolutionary principles have been exploited to explain the genomic aberrations in cancer. However, the phenotypic changes underlying disease progression remain poorly understood. In the past years, I have contributed to identify and characterise the therapeutic implications underlying metabolic alterations that are intrinsic to primary tumours or metastasis. In CancerADAPT I postulate that cancer cells rely on adaptive transcriptional & metabolic mechanisms [converging on a Metabolic Phenotype] in order to rapidly succeed in their establishment in new microenvironments along disease progression. I aim to predict the molecular cues that govern the adaptive properties in prostate cancer (PCa), one of the most commonly diagnosed cancers in men and an important source of cancer-related deaths. I will exploit single cell RNASeq, spatial transcriptomics and multiregional OMICs in order to identify the transcriptional and metabolic diversity within tumours and along disease progression. I will complement experimental strategies with computational analyses that identify and classify the predicted adaptation strategies of PCa cells in response to variations in the tumour microenvironment. Metabolic phenotypes postulated to sustain PCa adaptability will be functionally and mechanistically deconstructed. We will identify therapeutic strategies emanating from these results through in silico methodologies and small molecule high-throughput screening, and evaluate their potential to hamper the adaptability of tumour cells in vitro and in vivo, in two specific aspects: metastasis and therapy response. CancerADAPT will generate fundamental understanding on how cancer cells adapt in our organism, in turn leading to therapeutic strategies that increase the efficacy of current treatments.