Projektbeschreibung
Prädiktive Algorithmen zur Brustkrebsbekämpfung
Brustkrebs ist weltweit die führende krebsbedingte Todesursache bei Frauen. Dass die Tumorheterogenität das Fortschreiten von Brustkrebserkrankungen sowie Rezidive beeinflusst, ist bereits eingehend dokumentiert und ein dringliches Argument für die Entwicklung maßgeschneiderter Therapien. Um jedoch personalisierte Medizin in diesem Bereich umsetzen zu können, müssen neue Biomarker ermittelt werden, was wiederum die Analyse von Omik-Daten und neue klinische Informationen voraussetzt. Es handelt sich um ein komplexes Aufgabengebiet, für das anspruchsvolle mathematische Ansätze und eingehende biologische Analysen kombiniert werden müssen. Im Rahmen des EU-finanzierte Projektes PredAlgoBC arbeiten Fachleute aus dem klinischen Bereich, der Mathematik und der Bioinformatik gemeinsam an der Entwicklung von Maschinenlernalgorithmen, die bei der Suche nach prädiktiven Biomarkern zur Brustkrebsbehandlung dienlich sein können. Die Identifikation neuer Biomarker und ihre Implementierung in die klinische Praxis werden letztlich dazu beitragen, dort die Entscheidung über die optimale therapeutische Option zu erleichtern.
Ziel
Breast cancer is the cancer with the highest incidence in women worldwide, and is the leading cause of cancer-related death, mainly due to treatment resistance. Recently, tumor heterogeneity has been described as one of the key driver in treatment failure. Indeed, tumor is not a homogeneous entity to treat, but a complex association of subclonal populations driven by their own genetic alterations, and immune and stromal cells from microenvironment. Breast cancer subtypes and tumor heterogeneity advocate for the development of tailored, personalized treatments, but so far, the discovery of efficient predictive markers has been compromised by the lack of adapted biological models and methodological tools.
The recent developments of high-throughput methods for bulk and single-cell analyses has generated large ‘omics’ datasets from patients, stored in open access databases (ArrayExpress, GEO). Combining these numerous datasets will grant a sufficient statistical power to reveal a comprehensive overview of tumor complexity. However, this data mining is currently limited by methodological challenges like cross-platform normalization and the difficulty to analyze complex data structure with high dimension observations. To overcome these issues, I propose to implement a multidisciplinary project at the interface between mathematics, biology, and information technologies.
With the support of the mathematicians and bioinformaticians from the Bioinfomics unit of the regional comprehensive cancer center (ICO), I will develop and implement machine-learning algorithms in the search of predictive biomarkers for breast cancer treatment. This innovative strategy will lead to personalized medicine in breast cancer by guiding clinicians in the selection of the optimal therapeutic option. Moreover, this generated pipeline for predictive marker discovery could be further adapted for the treatment of other cancer types.
Wissenschaftliches Gebiet
- natural sciencescomputer and information sciencesdata sciencedata mining
- medical and health sciencesclinical medicineoncologybreast cancer
- medical and health scienceshealth sciencespersonalized medicine
- natural sciencesmathematics
- natural sciencescomputer and information sciencesartificial intelligencemachine learning
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
MSCA-IF-EF-ST - Standard EFKoordinator
49100 Angers
Frankreich