Projektbeschreibung
Neue Software für die Entwicklung patientenspezifischer Krebsimpfstoffe
Wissenschaftler*innen gehen davon aus, dass personalisierte Immuntherapie Krebs heilen könnte, das beinhaltet jedoch eine personalisierte Impfung – ein komplizierter, zeitaufwändiger und kostspieliger Laborprozess, um einen bestimmten Mutationsfall zu behandeln. Aus diesem Grund entwickeln Forscher*innen Algorithmen zur Identifizierung immunogener Neoantigene anhand von Daten aus neuartiger Sequenzierung aus Tumorproben. Das EU-finanzierte Projekt MEDIVAC soll diesen Prozess durch Anwendung des maschinellen Lernens von Oncolmmunity (OI) unterstützen. Es bietet eine Gelegenheit, mehrere öffentliche und andere Datenbanken zu nutzen, um die Leistung des Identifikationsprozesses für relevante Neoantigene beträchtlich zu erhöhen. Dies wird die Medizinwissenschaft der Einführung einer vielversprechenden personalisierten Impfung als Krebstherapie näher bringen.
Ziel
Cancer is arguably the most feared of all diseases, destroying lives regardless of the age of its victims. Immunotherapies are currently regarded as the most promising avenue to delivering the holy grail of medicine i.e. providing a cure for cancer. Despite their Nobel-winning status, personalisation of immunotherapies remains akey challenge to which no cost-effective solution currently exists. Current methods for identifying the immunogenic neoantigens required to design patient-specific cancer vaccines typically utilize next generation sequencing (NGS) analysis of DNA and RNA coupled with wet lab methods (e.g. spectroscopy). However, these approaches are time consuming to perform, expensive and not readily scalable–which currently prohibits the mass roll-out of personalised cancer vaccines.
Despite the fact that intensive research has been dedicated to developing prediction algorithms which can identify immunogenic neoantigens from NGS data from tumor samples, their accuracy has not yet reached a competitive performance compared to wet lab methods. To bridge this gap, OncoImmunity (OI) has developed a comprehensive machine learning framework, trained using public and proprietary datasets to optimise performance. Once fed with patient NGS data from healthy and tumor tissue, OI’s algorithms identifies the most clinically relevant neoantigen candidates, with an unmatched accuracy (4-fold increase of prediction accuracy), which can be subsequently engineering into personalised vaccine cancer constructs.
Considering the potential of personalised therapy within cancer immunotherapy, OI’s core technology meets all the requirements to become a key enabling technology, providing cost-effective, scalable and sensitive identification of clinically relevant targets for vaccine development. Thus, it has the potential to serve as a cornerstone to revolutionize the fight against cancer – while untapping an immense business opportunity to fuel our company’s growth.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- Medizin- und GesundheitswissenschaftenGrundlagenmedizinPharmakologie und PharmazieArzneimittelImpfstoff
- Medizin- und GesundheitswissenschaftenKlinische MedizinOnkologie
- NaturwissenschaftenBiowissenschaftenGenetikRNS
- Medizin- und GesundheitswissenschaftenGrundlagenmedizinImmunologieImmuntherapie
- NaturwissenschaftenInformatik und Informationswissenschaftenkünstliche Intelligenzmaschinelles Lernen
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Wir bitten um Entschuldigung ... während der Ausführung ist ein unerwarteter Fehler aufgetreten.
Sie müssen sich authentifizieren. Ihre Sitzung ist möglicherweise abgelaufen.
Vielen Dank für Ihr Feedback. Sie erhalten in Kürze eine E-Mail zur Übermittlungsbestätigung. Wenn Sie sich für eine Benachrichtigung über den Berichtsstatus entschieden haben, werden Sie auch im Falle einer Änderung des Berichtsstatus benachrichtigt.
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) H2020-EIC-SMEInst-2018-2020
Andere Projekte für diesen Aufruf anzeigenUnterauftrag
H2020-SMEInst-2018-2020-2
Finanzierungsplan
SME-2 -Koordinator
0379 OSLO
Norwegen
Die Organisation definierte sich zum Zeitpunkt der Unterzeichnung der Finanzhilfevereinbarung selbst als KMU (Kleine und mittlere Unternehmen).