Sintesi del progetto
PELICAN è dedicato a un aspetto critico dell’oncologia ginecologica: l’insorgenza di PGCCs nel carcinoma ovarico sieroso di alto grado (HGSOC), una delle principali cause di ricaduta e resistenza ai trattamenti. La chemioterapia standard può infatti indurre la formazione di PGCCs, cellule altamente plastiche e capaci di rigenerare il tumore. Il progetto sviluppa modelli preclinici e strumenti di intelligenza artificiale per identificare, quantificare e caratterizzare queste cellule, ponendo le basi per nuove terapie mirate e nuove strategie prognostiche.
Obiettivi
L’obiettivo principale del progetto è creare un sistema integrato che permetta di riconoscere le PGCCs nei modelli tumorali, comprenderne i meccanismi molecolari e individuare trattamenti in grado di colpirle selettivamente. Combinando approcci di patologia digitale, biologia cellulare e Machine Learning, PELICAN mira a trasformare la gestione del carcinoma ovarico chemio resistente.
Problemi e necessità
Il carcinoma ovarico ad alto grado è caratterizzato da diagnosi tardiva e frequenti recidive dovute alla resistenza farmacologica. Le PGCCs rappresentano una popolazione cellulare chiave nel processo di rilancio tumorale, ma sono difficili da identificare con metodi tradizionali. Servono tecnologie capaci di rilevarle precocemente, di definirne la biologia e di guidare trattamenti più efficaci.
Soluzioni sviluppate
Il progetto ha già prodotto diversi risultati significativi: la caratterizzazione e quantificazione delle PGCCs indotte da chemioterapia in modelli preclinici; una piattaforma in vitro affidabile per generarle in condizioni controllate; l’identificazione di marcatori trascrittomici e pathway alterati; lo sviluppo di codice AI per distinguere e quantificare la serie di cromosomi contraddistintivi delle cellule tumurali e rilevare automaticamente PGCCs nei tessuti. Questo approccio integra istologia, immunoistochimica, analisi digitali, omiche e screening farmacologici, offrendo un sistema completo per lo studio di queste cellule.
Impatti
Le ricadute potenziali sono rilevanti e riguardano la possibilità di realizzare strumenti diagnostici e prognostici più accurati per identificare pazienti a maggior rischio di recidiva, di identificare nuovi biomarcatori per la medicina personalizzata, di sviluppare piattaforme precliniche per testare farmaci mirati e sviluppo di terapie in grado di colpire le PGCCs, riducendo mortalità e migliorando la qualità della vita delle pazienti con carcinoma ovarico resistente.
Settori di applicazione
Le metodologie introdotte potranno trovare applicazione all’interno di Centri oncologici, Laboratori di Patologia, gruppi di Ricerca Traslazionale, Industrie Farmaceutiche impegnate nello sviluppo di farmaci mirati, Istituti Accademici e Startup Biotech. Le metodologie sono inoltre replicabili anche per lo studio e trattamento di altri tumori solidi in cui le PGCCs giocano un ruolo nella recidiva e nella resistenza terapeutica.
