Renální karcinom (RCC) přestavuje závažné onkologické onemocnění s celosvětově nejvyšší incidencí v České republice, přičemž spolehlivé molekulární prognostické a prediktivní biomarkery nejsou dosud k dispozici. Pro jejich “high-throughput“ vyhledávání a validaci zavedeme novou metodiku digitálního biobankingu založenou na získávání proteinových fingerprintů (proteotypů) pomocí hmotnostní spektrometrie v tzv. “data independent acquisition” módu. S využitím nově zavedené techniky budou analyzovány dva velmi dobře charakterizované soubory nádorů, získaná data budou statisticky hodnocena s cílem nalézt: (i) proteinové biomarkery identifikující pacienty s lokalizovaným RCC avšak s vyšším rizikem, kteří by měli být detailněji sledováni, a (ii) proteinové biomarkery související se špatnou odpovědí metastatických nádorů ledvin na léčbu tyrosinkinasovými inhibitory v první linii. Očekáváme, že nalezené patterny, potenciální biomarkery, resp. potenciální terapeutické cíle pomohou přispět k zefektivnění terapie pacientů s nádory ledvin.; Renal cell carcinoma (RCC) represents a serious oncological disease with the highest incidence in the Czech Republic across the world, for which reliable molecular prognostic and predictive biomarkers are still unavailable. We will implement a novel digital biobanking technology based on protein fingerprints (proteotypes) using mass spectrometry in data independent acquisition mode. With the use of a new technique, we will analyze two well-characterized sets of tumors, the resulting data will be statistically evaluated in order to find: (i) protein biomarkers identifying patients with localized RCC, but with higher risk, who should be monitored more intensively, and (ii) protein biomarkers associated with poor prognosis of metastatic RCC treated by tyrosine kinase inhibitors in the first line. We expect that the identified patterns, potential biomarkers, and potential therapy targets can contribute to more efficient treatment of RCC patients.

Proteotype classification of renal cell carcinoma for prognosis and therapy response

Doba řešení: 2019-2023

Obsahuje literaturu