Sintesi del progetto
MAPPING-PDAC affronta una delle sfide più critiche dell’oncologia di precisione: individuare nuovi target terapeutici per il carcinoma duttale pancreatico (PDAC), un tumore altamente aggressivo e chemio resistente. Il progetto utilizza un approccio multi omico ad alta dimensionalità, integrando dati genomici, proteomici e spaziali per ottenere una mappa dettagliata della composizione cellulare, dello stato funzionale e della distribuzione del microambiente tumorale. Questa visione ad alta risoluzione rappresenta un prerequisito fondamentale per identificare vulnerabilità biologiche e definire nuove strategie terapeutiche.
Obiettivi
Il progetto punta a verificare se il trattamento dei pazienti con PDAC possa essere personalizzato sulla base di una caratterizzazione multi omica completa. L’obiettivo è generare un profilo molecolare inedito che permetta di collegare variazioni cellulari e funzionali agli esiti clinici dei pazienti, ponendo le basi per farmaci mirati, biomarcatori diagnostici e strumenti prognostici.
Problemi e necessità
Il PDAC presenta una grande eterogeneità biologica e un microambiente tumorale estremamente complesso, rendendo difficili sia la diagnosi precoce sia la selezione della terapia. Le tecniche tradizionali non sono in grado di catturare pienamente questa complessità. Inoltre, la disponibilità di dati multi omici ad alta dimensione richiede metodologie HPC avanzate e algoritmi di intelligenza artificiale per integrare, analizzare e interpretare dataset molecolari e clinici di grandi dimensioni.
Soluzioni sviluppate
Il progetto ha già ottenuto un profilo multi omico ad alta risoluzione su ampie coorti di pazienti PDAC, che include la composizione totale delle cellule, il loro stato funzionale, la loro localizzazione spaziale e la classificazione delle sottopopolazioni del microambiente tumorale. L’integrazione di genomica, proteomica e analisi spaziali permette di correlare questi aspetti con gli outcome clinici, offrendo una base solida per la scoperta di nuovi target e indicatori prognostici. L’utilizzo congiunto di HPC, Big Data e tecnologie multidimensionali consente di costruire un paesaggio molecolare dettagliato capace di guidare la medicina di precisione nel PDAC.
Impatti
Le scoperte derivanti da MAPPING-PDAC potranno migliorare radicalmente la comprensione della patobiologia del PDAC, favorire diagnosi più accurate e consentire la progettazione di nuove terapie più mirate ed efficaci. La disponibilità di biomarcatori prognostici e predittivi sosterrà sia la personalizzazione delle cure sia la selezione dei pazienti per studi clinici avanzati. L’approccio multi omico potrà inoltre ridurre tempi e costi dei trial grazie a simulazioni avanzate e all’integrazione con piattaforme di analisi basate su AI.
Settori di applicazione
La piattaforma potrà supportare l’Oncologia traslazionale, la Diagnosi Molecolare, la Ricerca Preclinica, l’Industria Farmaceutica focalizzata sulla terapia personalizzata e Laboratori di Bioinformatica, che potranno utilizzare i risultati del progetto per sviluppare nuovi farmaci, biomarcatori e migliorare le strategie terapeutiche. Il metodo è replicabile anche in altri tumori solidi caratterizzati da elevata eterogeneità biologica.
