HELSEFORSKNING-HELSEFORSKNING

Lymfomer, som de fleste andre kreftformer, består av flere distinkte kreftcellepopulasjoner hos hver pasient. Disse tumor-subgruppene har unike genetiske og biologiske egenskaper som fører til forskjellige responsprofiler på medisiner. Målet med dette prosjektet er å karakterisere disse tumor-subgruppene i aggressivt lymfom på flere biologiske nivåer, inkludert genmutasjoner, genuttrykk, proteinmengde, overflateproteinprofiler og legemiddelrespons. Ved å bruke den grundige karakteriseringen av underpopulasjonene i oppdagelseskohorten, vil vi undersøke store kliniske pasientkohorter med multiparametrisk immunofluorescens og beskrive assosiasjonen mellom subklonal histologi og respons på kjemoterapi. Den forbedrede forståelsen av tumorundergrupper og deres innvirkning på behandlingseffektivitet, kombinert med evnen til å oppdage disse undergruppene i diagnostiske biopsier ved bruk av multiparametrisk immunofluorescens, har potensial til å forbedre behandlingsstratifisering og dermed pasientoverlevelse, samtidig som bivirkninger og behandlingskostnader reduseres. Som den norske partneren i dette EU-prosjektet, tilbyr vi statistisk og maskinlæringsekspertise innenfor prosjektet. Vi har arbeidet med utviklingen av en statistisk modell som vil tillate oss å bruke karakteriseringen av de individuelle celletyper gjennom enkeltcelle-omikk for å forbedre prognosen for sykdomsprogresjon. Modeller som kobler enkeltcelldata med overlevelsesinformasjon eksisterer ennå ikke, delvis fordi det bare finnes svært få datasett som kan brukes til denne modelleringen. Innenfor dette prosjektet har vi et unikt stort datasett tilgjengelig, som åpner for muligheten til å utvikle slike modeller, noe som igjen vil tillate oss å lære mer om hvordan tumorheterogenitet påvirker overlevelse hos lymfompasienter. Så langt har vi fullført den matematiske formuleringen av modellen og utviklingen av algoritmen som vil danne grunnlaget for programvareimplementeringen av modellen. Nåværende arbeid fokuserer på programvareutvikling og gjennomføring av simuleringsstudier for å studere modellens egenskaper.

While heterogeneity between patients (inter-tumour heterogeneity) is known to affect treatment efficacy, most personalized treatment approaches do not account for intra-tumour heterogeneity (ITH). New single-cell omics assays provide us, for the first time, with the opportunity to molecularly detect and characterise both genetic and non-genetic ITH. We will use viably frozen lymph node biopsies to thoroughly characterize lymphoma subpopulations and their cellular microenvironment. As a starting point we will use CITE-Seq, characterizing the transcriptome and surface proteome of single cells, and single-cell DNA-Seq, revealing ITH at high resolution. Distinct lymphoma subpopulations will be isolated by single-cell-Seq informed flow cytometry followed by genome sequencing, in depth proteomics and ex-vivo drug sensitivity profiling. We will determine the minimal number of features needed to characterize ITH using the multi-omics data of fresh frozen samples. This set of markers will be used to trace ITH in formalin fixed paraffin embedded (FFPE) tissue by multiplexed immunofluorescence, which enables, if successful, the investigation of ITH in clinical routine samples. The transcriptome, genome and proteome of tumour cell subpopulations in FFPE samples will be evaluated by digital spatial profiling (DSP) and laser microcapture microscopy followed by sequencing and proteome analysis. We will use these data generated in this consortium to develop an automated image analysis pipeline, which estimates the degree of ITH in routine clinical samples and which is suitable to risk stratify lymphoma patients. Ideally, we aim to link recurrent treatment resistant subpopulations to resistance mechanisms and clinically exploitable drug sensitivity profiles. Our results will demonstrate how to overcome the limited applicability of state-of-the-art single cell techniques in routine diagnostic biopsies and will foster the development of patient stratification tools for cancer.