Descripción del proyecto
Nuevo flujo de trabajo para el descubrimiento de biomarcadores de diagnóstico precoz del cáncer
La detección precoz del cáncer es la forma más eficaz de mejorar la supervivencia de los pacientes. La disponibilidad de biomarcadores específicos de la enfermedad tiene una importancia crítica en el diagnóstico y el pronóstico oportunos. El proyecto Visual Proteomics, financiado con fondos europeos, está desarrollando un nuevo flujo de trabajo de adquisición automatizada de imágenes microscópicas y de análisis de imágenes guiado por inteligencia artificial para la identificación de poblaciones celulares en muestras de pacientes. Dichas células podrían aislarse individualmente mediante microdisección láser, seguido de una elaboración del perfil proteómico de alta sensibilidad para la identificación de células que sean específicas de células individuales en un tumor concreto, y son el biomarcador candidato más prometedor. Los investigadores optimizarán el flujo de trabajo para tejidos de archivos de biobancos y registrarán la heterogeneidad tumoral con una resolución sin precedentes.
Objetivo
Early detection of severe malignancies such as cancer is the most effective way to increase patient survival, but early diagnosis and prediction of treatment outcome critically depend on disease-specific biomarkers. However, molecular and cellular disease heterogeneity provide a ubiquitous and unresolved challenge to this important task, and therefore impede any attempt to develop personalized therapies. Past and current approaches provide “averaged” descriptions of the tumor composition and have shown very limited success to identify biomarkers. This is likely due to the failure of these methods to identify the critical disease promoting cell populations within the tumor. Therefore, I will develop a new workflow that exploits automated microscopic image acquisition and artificial-intelligence-guided image analysis to identify specific cell populations in patient samples. These cells are then individually isolated by laser microdissection, followed by high-sensitivity proteome profiling, to identify proteins that define the identity of individual cells in a given tumor and thus represent the most promising biomarker candidates. To apply my approach to wide array of diseases, I will optimize it for archival biobank tissues (FFPE), the most common form of solid tissues in pathology. Applied to FFPE samples, my approach will allow me to perform both prospective and retrospective studies, correlate disease state and tissue morphology to protein expression and clinical outcome, and map tumor heterogeneity with unprecedented resolution. To achieve this, I will receive world-class training in cutting-edge microscopy and machine learning techniques in my host laboratory, which I complement with my expertise in high-sensitivity proteomics. My new pipeline will offer a highly fertile ground for new biomarker discoveries, inspire and stimulate collaborative research within and outside the host institute and allow me to establish a highly competitive niche for my future career.
Ámbito científico (EuroSciVoc)
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
- ciencias naturalesciencias biológicasbioquímicabiomoléculasproteínasproteómica
- ciencias naturalesciencias físicasópticamicroscopía
- ciencias médicas y de la saludmedicina clínicaoncología
- ciencias médicas y de la saludmedicina básicapatología
- ciencias naturalesinformática y ciencias de la informacióninteligencia artificialaprendizaje automático
Para utilizar esta función, debe iniciar sesión o registrarse
Programa(s)
Régimen de financiación
MSCA-IF-EF-ST - Standard EFCoordinador
1165 Kobenhavn
Dinamarca