Aproveitando a genômica funcional para revelar novos alvos para o tratamento do câncer

Resultados Esperados:

As propostas sob este tópico devem ter como objetivo entregar resultados que sejam direcionados e adaptados para e contribuam para todos os seguintes resultados esperados:

• Pesquisadores e profissionais de saúde obtêm uma compreensão mais profunda dos efeitos funcionais da heterogeneidade tumoral durante o início e a progressão do câncer, apoiando a identificação de alvos terapêuticos mais precisos e inovadores.
• Pesquisadores, profissionais de saúde e inovadores se beneficiam de conhecimentos e ferramentas aprimorados para apoiar a descoberta e o desenvolvimento de tratamentos de câncer genomicamente informados de próxima geração.
• Pesquisadores, inovadores e profissionais de diversas disciplinas e setores contribuem para a plataforma de dados de pesquisa UNCAN.eu, garantindo a interoperabilidade dos dados e permitindo o acesso sustentável a ferramentas e modelos digitais recém-desenvolvidos para a análise e gerenciamento de dados clínicos multimodais.

Escopo:

O tópico proposto contribuirá para o objetivo da Missão Câncer da UE de melhorar a compreensão do início e da progressão do câncer. De particular interesse para este tópico são os cânceres pediátricos e adolescentes^[1], cânceres com opções de tratamento limitadas, cânceres refratários, cânceres raros ou tipos de câncer com baixas taxas de sobrevida em cinco anos. As propostas podem incluir o desenho de estudos exploratórios mecanísticos usando bioamostras longitudinais de pacientes, estudos de prova de conceito clínicos e/ou estudos observacionais e translacionais envolvendo dados recém-coletados ou existentes, conforme apropriado. Os candidatos são encorajados a aproveitar os avanços tecnológicos em genômica funcional^[2] e biologia estrutural, incluindo, mas não se limitando a, sequenciamento rápido de genes, estudos de célula única, mapeamento genético espacial, transcriptômica espacial, perfil epigenético, biópsias líquidas e pipelines de oncologia de precisão funcional. O uso de inferência causal, modelagem computacional e/ou ferramentas de inteligência artificial é encorajado para a coleta, visualização, análise e gerenciamento de grandes, complexos e heterogêneos conjuntos de dados. A colaboração entre diferentes disciplinas científicas, incluindo profissionais de saúde, é prevista^[3].

Os candidatos devem abordar todas as seguintes atividades:

• Identificar e validar novos alvos para abordagens terapêuticas inovadoras, desenvolvendo modelos experimentais^[4] e tecnologias para acessar os efeitos funcionais da heterogeneidade temporal do tumor no início, progressão e recaída da doença.
• Investigar os mecanismos subjacentes à interação entre as características multiômicas dinâmicas do tumor, seu microambiente e fatores específicos do paciente^[5] durante o início e a progressão da doença. Isso inclui elucidar os mecanismos de resistência adaptativa às terapias, utilizando dados clínicos quando apropriado^[6].
• Aplicar abordagens, ferramentas e modelos de última geração para integrar e analisar dados longitudinais multimodais de pacientes FAIR (Findable, Accessible, Interoperable, Reusable). Esses ativos digitais devem ser disponibilizados através da plataforma de pesquisa UNCAN.eu. Todos os conjuntos de dados produzidos devem ser descritos com registros de metadados no catálogo de conjuntos de dados da UE do Espaço Europeu de Dados de Saúde. O envolvimento de infraestruturas de pesquisa ESFRI existentes que oferecem recursos de ciências da vida^[7], incluindo opções de biobanco, deve ser adequadamente refletido no plano de trabalho da proposta.

Deve-se aproveitar ao máximo, na medida do possível, os dados e a experiência adquiridos em iniciativas de grande escala atuais, como: o European 1M+ Genomes^[8] e a iniciativa European Cancer Imaging^[9] e outras, conforme apropriado. Espera-se que as propostas bem-sucedidas estabeleçam colaborações apropriadas com o projeto UNCAN-CONNECT que está implementando a plataforma de pesquisa UNCAN.eu^[10]...