Tilbake til søkeresultatene

FRIMEDBIO-Fri prosj.st. med.,helse,biol

Large-scale personalized omics networks to model the disruption of gene regulation in cancer

Alternativ tittel: Bruk av storskala persontilpassede omics-nettverk for å modellere forstyrrelser av genregulering innen kreft

Tildelt: kr 8,0 mill.

Kreft er en kompleks sykdom. Hver enkelt svulst har et unikt sett av genmutasjoner og et særegent mønster for hvordan disse genene fungerer i kreftcellen. Det har nylig blitt klart at forstyrrelser i interaksjoner mellom gener og proteiner også er unike og kan drive tumorutvikling og progresjon. I dette prosjektet planlegger vi å utvikle avanserte beregningsverktøy som kan modellere nettverket av interaksjoner for individuelle svulster. Vi vil bruke disse verktøyene til å identifisere de delene av nettverket der interaksjoner er ødelagt og som fører til utvikling og progresjon av kreft. Vi kommer til å analysere hvert enkelt nettverk for å kunne forstå hvorfor enkelte pasienter har en mer aggressiv sykdom enn andre og hvorfor noen kreftformer ikke responderer på behandling. Til slutt vil vi bruke dataintegrasjonsmetoder og kunstig intelligens for å kombinere disse nettverkene med kreftmutasjoner og klinisk informasjon. Dette vil identifisere nye undergrupper av kreft som er forårsaket av forskjellige biologiske endringer og som kan tenkes å respondere ulikt på kreftbehandlinger. Det vil også føre til at nye persontilpassede terapier til disse pasientene blir identifisert. Kort oppsummert vil vårt foreslåtte prosjekt bidra til å finne mekanismer som driver hver enkelt kreft, noe som demonstrerer potensialet innen presisjonsnettverksmedisin.

In the past decade, next generation sequencing technologies have been widely applied to study cancer. Large collaborative efforts have mapped various ‘omics landscapes, including gene expression, mutations, and methylation profiles, for a wide variety of cancer types. However, the impact of these approaches on patient outcomes has been limited. It has become clear that, in order to understand what drives cancer and to identify new biomarkers and therapeutic targets, we need to integrate multiple ‘omics data types to gain greater insight into the molecular interactions that occur in the development and progression of the disease. In this project, we propose to develop advanced computational tools to model transcriptional and post-transcriptional gene regulatory interactions in large-scale gene regulatory networks by integrating transcription factor and miRNA binding with target gene co-expression information. We will use an innovative mathematical approach to model these networks for individual cancer patients. We will develop new computational tools using methodologies from network science and machine learning to integrate these large-scale patient-specific networks with mutation data and with clinical information. We will apply our tools to large-scale pan-cancer datasets to map the pan-cancer atlas of gene regulation. For each cancer type, we will analyze individual patient networks in the context of heterogeneity, response to treatment, and survival. In parallel, we will perform a pan-cancer analysis to uncover similarities and differences in regulatory interactions across multiple cancer types. We will perform experimental validation to test the involvement of candidate regulatory interactions in cancer development. This work will advance the field of precision network medicine, improve our understanding of gene regulation in cancer, and identify the underlying biological mechanisms that drive cancer development, progression, and clinical phenotypes.

Publikasjoner hentet fra Cristin

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Budsjettformål:

FRIMEDBIO-Fri prosj.st. med.,helse,biol