Descrizione del progetto
Analisi del trattamento combinatorio per il tumore al seno
Il tumore al seno è la principale causa di morte correlata al cancro nelle donne. Il tumore al seno viene classificato in sottotipi molecolari ben noti. Nonostante la classificazione molecolare stabilita dei sottotipi di tumore, solo alcune pazienti traggono beneficio dalla somministrazione di combinazioni di farmaci, a indicare l’eterogeneità del tumore. Il progetto RESCUER, finanziato dall’UE, si propone di sviluppare un nuovo approccio e identificare meccanismi di resistenza a livello di sistemi, esplorando come il trattamento venga influenzato dalle condizioni specifiche della paziente e del tumore. Il progetto integrerà i dati multidimensionali longitudinali provenienti da sperimentazioni cliniche in corso e nuovi approcci di sistemi, che combinano modelli subcellulari/cellulari e a livello di organo in silico per scoprire le firme molecolari di resistenza e prevedere la risposta della paziente alle terapie combinatorie. Questa nuova conoscenza verrà utilizzata per identificare i farmaci già approvati con un elevato potenziale curativo di nuove combinazioni di farmaci personalizzate.
Obiettivo
Breast Cancer (BC) is the first cause of cancer-related death in women worldwide. Breast cancer is classified into well-recognized molecular subtypes. Despite solid pre-clinical evidence, only some patients benefit from administering drug combinations, an indication that patient and tumor heterogeneity is still present in the current stratification. Out of the numerous possible combinations of approved drugs, only a few have been actually tried, and the choice of tested combinations has been to some degree arbitrary. This proposal seeks to develop new approaches and identify mechanisms of treatment resistance at systems level, exploring how the effectiveness of specific targeted therapies applied in different clinical trials is affected by patient- and tumor-specific conditions. For this purpose, the project will gather and integrate longitudinal multidimensional data from ongoing clinical trials and newly generated --omics using systems approaches, which combine sub-cellular/cellular and/or organ level in-silico models and network analysis to build computational frameworks able to discover molecular signatures of resistance and predict patient response to combinatorial therapies. We aim to identify the physiological characteristics of non-responders vs. responders from existing and newly generated multi-omic data and biological samples from in-vivo and ex-vivo clinical studies of specific subtypes of BC patients treated with combination therapy. This new knowledge will be used to investigate the curative potential of new personalized drugs combinations. The overreaching goal is to develop computer “xenograft model” as a cost-efficient and better alternative in terms of ethics, availability to everyone, and animal use. The framework will include optimization algorithms to identify combinations of approved drugs with a high probability to work on individual or thin strata of patients. The project is endowed with a “legal” framework addressing ethical aspects
Campo scientifico
Parole chiave
Programma(i)
Argomento(i)
Invito a presentare proposte
Vedi altri progetti per questo bandoBando secondario
H2020-SC1-2019-Two-Stage-RTD
Meccanismo di finanziamento
RIA - Research and Innovation actionCoordinatore
0313 Oslo
Norvegia