Longitudinell multiomisk karakterisering av patientsvar på neoadjuvant HER2-riktad behandling
https://doi.org/10.48723/js80-sx29
Denna datauppsättning innehåller longitudinella multiomiska profiler härledda från patienter med tidig HER2-positiv bröstcancer som deltog i den randomiserade fas II-studien PREDIX HER2 (NCT02568839). Studien jämförde neoadjuvant behandling med docetaxel, trastuzumab och pertuzumab (DHP) jämfört med trastuzumab emtansin (T-DM1). Det primära syftet med denna datainsamling var att övervaka tumörutveckling och tumörmikromiljödynamik under HER2-riktad behandling.
Datamaterial och insamling:
Datumuppsättningen omfattar multiomiska data från patientprover som samlats in vid olika tidpunkter: under behandling (efter två cykler av neoadjuvant behandling) och efter behandling (efter sex cykler av neoadjuvant behandling).
Metod och analys:
Omfattande molekylär karakterisering utfördes med hjälp av flera högkapacitetstekniker. Detta inkluderar hel-exomsekvensering (WES) för att identifiera somatiska mutationer och genomiska förändringar, RNA-sekvensering (RNA-seq) för bulktranskriptomisk profilering och proteomik för att övervaka proteinmängd. Dessutom utfördes avbildningsbaserad spatial transkriptomik med hjälp av Xenium In Situ-plattformen för att kartlägga den rumsliga organisationen av tumörmikromiljön; observera att Xeniums rumsliga data exklusivt är tillgängliga för tidpunkten för behandling.
Filer med öppen tillgång (2)
Filer med öppen tillgång (2)
Citering och åtkomst
Citering och åtkomst
Åtkomstnivå:
Skapare/primärforskare:
Forskningshuvudman:
Data innehåller personuppgifter:
Ja
Typ av personuppgifter:
Datasetet innehåller inte direkta identifierare såsom namn, personnummer eller kontaktuppgifter. Varje patient representeras av ett specifikt ID. Dessa specifika ID:n är pseudonymiserade och kan inte användas för att identifiera enskilda patienter. Koppling till individuella identiteter är endast möjlig av den lokala huvudforskaren och utsedd personal på platsen via platsspecifika nycklar, vilka inte delas. Metadata inkluderar provtagningstid och behandlingsarm, vilka är indirekta identifierare.
Kodnyckel existerar:
Ja
Data innehåller känsliga personuppgifter:
Ja
Citering:
Språk:
Metod och utfall
Metod och utfall
Population:
Forskningen fokuserar på patienter som diagnostiserats med tidig HER2-positiv bröstcancer och som deltog i den randomiserade fas II-studien PREDIX HER2. Deltagarna inkluderar kvinnor och män i åldern 18 år eller äldre med HER2-positiva tumörer större än 20 mm och/eller lymfkörtelmetastaser. Patienter med oligometastatisk sjukdom (upp till två fjärrmetastaser) var också berättigade, förutsatt att alla lesioner kunde behandlas radikalt lokalt. Totalt 202 patienter deltog, och analysen avser specifikt den delmängd av patienter som tillhandahöll plasmaprover för longitudinell proteomisk profilering och vävnadsbiopsier för multiomicsanalys.
Tidsdimension:
Studiedesign:
- Experimental study
Dataformat/datastruktur:
Administrativ information
Administrativ information
Ansvarig institution/enhet:
Institutionen för onkologi-patologi
Etikprövning
Etikprövning
Utförare:
- Stockholm Ethical Review Board
Diarienummer:
dnr 2014/1465-31/10
Diarienummer:
EudraCT-number: 2014-000808-10
Information om etikprövning:
Protocol - European Union and European Economic Area via the Clinical Trials Information System (CTIS).
Diarienummer:
EUCT number:2023-508411-23-00
Finansiering
Finansiering
Finansiär:
- Swedish Research Council
Opens a new window at ror.org.
ROR
Referensnummer:
2018-02398_VR
Projektnamn på ansökan:
Optimizing treatment in HER2 positive breast cancer through insights in tumor biology
Information om finansiering:
This project aims to identify predictive biomarkers and improve therapy selection and outcomes in HER2+ breast cancer (BC). The PREDIX trial comparing the standard combination of trastuzumab+pertuzumab+docetaxel vs. the antibody-drug conjugate trastuzumab-emtasine given for 6 cycles as preoperative therapy (200 patients included) will be used. The project is divided into five work packages (WP).WP1 is the primary efficacy analysis of the trial, in which the rate of pathologic complete response will be compared between the two treatment groups.In WP2, whole genome and RNA sequencing will be performed using longitudinal biopsies taken at baseline, after 2 cycles and at surgery to study mutations and differential gene expression, including their dynamic evolution during treatment.WP3 will explore the predictive role of immune microenvironment for the efficacy of anti-HER2 treatments and chemotherapy, using a multiplex immunofluorescence assay. The HER2+ subgroup (N=341) of a trial of adjuvant chemotherapy will also be used in this WP.In WP4, intra-tumor heterogeneity (ITH) will be studied as a predictor of poor drug response and clinical outcome. The serial core tumor biopsies will be used for single-cell in situ analysis of estrogen receptor, HER2, and the proliferation marker Ki67 by Single-Molecule RNA FISH and the Proximity Ligation Assay. In a subset of 20 cases, single-cell DNA and RNA sequencing will be used to study clonal evolution and mechanisms of resistance (WP5).
Finansiär:
- Swedish Research Council
Opens a new window at ror.org.
ROR
Referensnummer:
2021-03061_VR
Projektnamn på ansökan:
Integrative digital diagnostics for therapy optimization in early breast cancer
Information om finansiering:
Purpose and aimsThis project aims to develop tools for prediction of response to neoadjuvant (pre-operative) therapy (NAT) and prognostication of post-surgery risk of recurrence in breast cancer. To this end, input from radiology, digital pathology, genomics and informative clinical variables will be integrated using a machine learning (ML)-based multi-modal fusion strategy. Project organisation, time plan and scientific methodsThree academic clinical trials and one population-based cohort of NAT (N=2500) will be used to train single-source predictive model priors that will be ensembled into integrative multi-omics predictive models. These will be validated externally in independent cohorts of ~3000 patients.The project will be divided into work packages (WP), corresponding to each of the data modalities. WP1 data and material collection (year 1-4); WP2-3 transcriptomics and genomics in tissue and blood (y 1-3); WP4 radiomics using mammography and magnetic resonance imaging (y 1-3); WP5 pathomics (y 1-3); WP6 model integration (y 3-4); WP7 external validation (y 4-5). ImportanceThe project will contribute with novel ML methodology for clinical medicine and a precision oncology solution for optimizing NAT selection and risk stratification that will lead to less over- and under treatment, sparing patients from unnecessary toxicities and reducing financial burden to healthcare systems, and ultimately improving prognosis for patients with breast cancer.
