Nalaganje ...
Projekti / Programi vir: ARIS

Določanje izvora jetrnih zasevkov iz tekočinskih biopsij

Raziskovalna dejavnost

Koda Veda Področje Podpodročje
3.04.00  Medicina  Onkologija   

Koda Veda Področje
3.02  Medicinske in zdravstvene vede  Klinična medicina 
Ključne besede
rak, adenokarcinom, epigenetski marker, zasevki, tekočinska biopsija, cirkulajoča prosta DNA, bioinformatika, jetrni tumorji, cirkulirajoče tumorske celice
Vrednotenje (pravilnik)
vir: COBISS
Upoš. tč.
10.133,03
A''
1.983,42
A'
4.539,23
A1/2
6.747,35
CI10
14.828
CImax
644
h10
52
A1
34,18
A3
5,51
Podatki za zadnjih 5 let (citati za zadnjih 10 let) na dan 20. julij 2024; A3 za obdobje 2018-2022
Podatki za razpise ARIS ( 04.04.2019 - Programski razpis, arhiv )
Baza Povezani zapisi Citati Čisti citati Povprečje čistih citatov
WoS  628  19.306  17.398  27,7 
Scopus  711  24.495  22.069  31,04 
Raziskovalci (22)
št. Evidenčna št. Ime in priimek Razisk. področje Vloga Obdobje Štev. publikacijŠtev. publikacij
1.  33147  dr. Luka Bolha  Biokemija in molekularna biologija  Raziskovalec  2021 - 2024  27 
2.  25441  dr. Emanuela Boštjančič  Mikrobiologija in imunologija  Raziskovalec  2021 - 2024  121 
3.  53798  Jure Brence  Računalništvo in informatika  Raziskovalec  2021 - 2024  22 
4.  36220  dr. Martin Breskvar  Računalništvo in informatika  Raziskovalec  2021 - 2023  36 
5.  53705  Alenka Dečman Cerar    Tehnični sodelavec  2022 
6.  54662  Tina Draškovič  Onkologija  Mladi raziskovalec  2021 - 2024 
7.  11130  dr. Sašo Džeroski  Računalništvo in informatika  Raziskovalec  2021 - 2024  1.207 
8.  39720  Zdenka Flis    Tehnični sodelavec  2022 
9.  27704  dr. Nina Hauptman  Kemija  Vodja  2021 - 2024  106 
10.  31050  dr. Dragi Kocev  Računalništvo in informatika  Raziskovalec  2021 - 2024  204 
11.  18455  Žiga Kušar  Nevrobiologija  Tehnični sodelavec  2022 - 2023 
12.  35470  dr. Jurica Levatić  Računalništvo in informatika  Raziskovalec  2022 - 2023  43 
13.  27759  dr. Panče Panov  Računalništvo in informatika  Raziskovalec  2021 - 2024  155 
14.  53702  Metod Perme    Tehnični sodelavec  2022 
15.  38206  dr. Matej Petković  Računalništvo in informatika  Raziskovalec  2021 - 2023  67 
16.  36541  dr. Alojz Šmid  Onkologija  Raziskovalec  2021 - 2024  76 
17.  11949  dr. Borut Štabuc  Onkologija  Raziskovalec  2021 - 2024  679 
18.  39597  dr. Jovan Tanevski  Računalništvo in informatika  Raziskovalec  2021 - 2024  33 
19.  51957  dr. Ana Unkovič  Medicina  Raziskovalec  2022 - 2024 
20.  51961  dr. Kristian Urh  Medicina  Raziskovalec  2021 - 2024  22 
21.  12955  dr. Nina Zidar  Mikrobiologija in imunologija  Raziskovalec  2021 - 2024  391 
22.  51028  dr. Margareta Žlajpah  Onkologija  Tehnični sodelavec  2021 - 2024  22 
Organizacije (3)
št. Evidenčna št. Razisk. organizacija Kraj Matična številka Štev. publikacijŠtev. publikacij
1.  0381  Univerza v Ljubljani, Medicinska fakulteta  Ljubljana  1627066  48.742 
2.  0106  Institut "Jožef Stefan"  Ljubljana  5051606000  91.961 
3.  0312  Univerzitetni klinični center Ljubljana  Ljubljana  5057272000  77.953 
Povzetek
Določanje izvora jetrnih zasevkov iz tekočinskih biopsij Uvod Tumorji jeter so pogosti in vključujejo primarne in metastatske tumorje. Natančna določitev vrste tumorja je bistven korak pri izbiri optimalnega zdravljenja. Najtežje je razlikovati med metastatskimi adenokarcinomi različnega izvora ter med metastatskimi adenokarcinomi in holangiokarcinomom. To razlikovanje je včasih težko, kljub uporabi najobsežnejših kliničnih, laboratorijskih, radioloških, endoskopskih in patoloških pregledov. Tak tumor se imenuje rak neznanega primarnega izvora. Tumorji jeter so bodisi primarni tumorji, vključno s hepatocelularnim karcinomom in intrahepatičnim holangiokarcinomom, ali metastatski tumorji, najpogosteje karcinomi, melanomi, limfomi in sarkomi. Včasih je težko razlikovati med metastatskim karcinomom jeter in primarnim karcinomom jeter (hepatocelularni karcinom ali holangiokarcinom), vendar pa je glede na različne možnosti prognoze in zdravljenja ta diskriminacija ključnega pomena. Karcinogenezo spremljajo obsežne genomske spremembe v celici, vključno s spremembami DNA, spremenjenim izražanjem proteinov in epigenetskimi spremembami (npr. metilacija DNA). Te spremembe je mogoče zaznati v stranskih produktih tumorja, ki krožijo v tekočinskih biopsijah: cirkulirajoče nukleinske kisline (cirkulirajoča tumorska DNA, mRNA in miRNA), cirkulirajoče tumorske celice in zunajcelični vezikuli. Mnoge od teh sprememb se pojavijo zgodaj v tumorigenezi in so zelo razširjene pri različnih vrstah tumorjev. Kombinacija različnih označevalcev v tekočinskih biopsijah veliko obeta pri zgodnjem odkrivanju raka, odkrivanju mesta primarnega tumorja in optimizaciji zdravljenja. Hipoteze Z bioinformatsko analizo in metodami strojnega učenja lahko določimo genetske označevalce in njihove specifične vzorce v primarnih in metastatskih tumorjih jeter Določimo lahko po meri pripravljen panel genetskih označevalcev, ki bo razlikoval med pogostimi malignimi jetrnimi tumorji in določil njihov izvor Metode Naš projekt predlaga uporabo bioinformacijske integracije genomskih, transkriptomskih in proteomskih podatkov pogostih malignih primarnih in metastatskih tumorjev jeter za določevanje diagnoze in lokacije primarnega tumorja, ki sta nujna za optimalno terapijo. Z bioinformatskimi orodji bomo analizirali razpoložljive genomske podatke približno 2.000 vzorcev različnih lokacij primarnih tumorjev, ki jih bomo uporabili pri nadaljnjih metodah strojnega učenja. Ta pristop nam bo pomagal odkriti specifične genomske vzorce vsakega primarnega tumorja in nam pomagal prepoznati specifične genomske označevalce, na poglagi katerih bo oblikovan panel označevalcev izdelan po meri. Za klinično potrditev panela označevalcev bodo uporabljeni vzorci tkiva in krvi bolnikov s primarnim in metastatskim tumorjem jeter. Za zaznavanje izbranih označevalcev se bo uporabilo sekvenciranje naslednje generacije, pirosekvenciranje in/ali digitalni PCR. Cilji Iskanje genomskih in transkriptomskih označevalcev, značilnih za primarni tumor, z lastno obsežno bioinformacijsko analizo Ugotoviti genetske vzorce za določen primarni tumor s pomočjo vrhunskih metod strojnega učenja Oblikovanje panela označevalcev, namenjenih razlikovanju med različnimi primarnimi in metastatskimi tumorji jeter Testiranje panela označevalcev na vzorcih tkiva in vzorcih tekočinskih biopsij
Zgodovina ogledov
Priljubljeno