Translational Applications in an Animal Model of Pancreatic Cystic Neoplasm and Cancer

胰腺囊性肿瘤和癌症动物模型中的转化应用

基本信息

  • 批准号:
    9904574
  • 负责人:
  • 金额:
    $ 59.76万
  • 依托单位:
  • 依托单位国家:
    美国
  • 项目类别:
  • 财政年份:
    2018
  • 资助国家:
    美国
  • 起止时间:
    2018-04-04 至 2022-03-31
  • 项目状态:
    已结题

项目摘要

ABSTRACT Pancreatic ductal adenocarcinoma (PDAC) has a median 5-year survival of only 8%, and early diagnosis of PDAC is an area of highest priority for the NCI. Amongst the best-recognized risk factors for PDAC are mucinous pancreatic cysts, of which the most common subtype is known as intraductal papillary mucinous neoplasm (IPMN). Currently, IPMN patients either undergo surgical resection due to “worrisome” imaging features, or are followed conservatively by serial imaging studies for risk of progression to invasive PDAC. Unfortunately, the imaging criteria reflexing patients to surgery are imperfect, leading to both over- and under-treatment of IPMNs. Further, there are no credentialed blood-based biomarkers with a sensitivity and specificity that warrants reliable therapeutic stratification. Our group has identified oncogenic mutations of KRAS and GNAS as the two most common driver mutations in IPMNs – one or other is present in ~96% of cases. We have now engineered the first animal model of IPMN that harbors the mutational combination (Kras;Gnas) found most commonly in the cognate human disease. Upon doxycycline induction, the Kras;Gnas mice uniformly develop cystic lesions by 6 weeks, with progression to invasive cancer in 25% of mice by 21 weeks, mimicking the multistep progression of human IPMN to PDAC. The objective of this proposal is to enhance the translational applicability of this model by using it as a controlled platform to address key unmet needs in the management of IPMNs in two areas: imaging correlates and circulating biomarkers. In Aim 1, we will use the animal model to investigate two novel imaging platforms – quantitative feature extraction from MRI scans using an indigenously developed algorithm known as “Enhancement Pattern Mapping” (EPM) and second, hyperpolarized MRI (HPMRI), in order to determine imaging correlates that coincide with the transition from low grade IPMN to cancer. In Aim 2, we will use a combination of unbiased mass spectrometry and array-based approaches to identify circulating proteins and autoantibodies, respectively that correlate with progression of murine IPMNs to PDAC. In addition, we will examine the potential of genomic liquid biopsies for cancer prediction, through utilizing an ultrasensitive and quantitative droplet digital PCR (ddPCR) platform for detection of mutant KRAS and GNAS DNA within circulating exosomes. All three classes of blood-based biomarkers (proteins, autoantibodies and exoDNA) will be assessed in matched murine plasma samples, which will allow us to estimate the additive performance for cancer detection using robust statistical paradigms. Both aims will benefit from ready access to imaging scans and biospecimens from IPMN patients for cross-species translational validation studies, through NCI-funded multicenter U01 consortia that are led by the PI. We believe this multidisciplinary proposal has the potential for long-term impact on PDAC mortality through practice changing alterations in the approach towards monitoring cancer progression in IPMNs.
抽象的 胰腺导管腺癌(PDAC)的中位5年生存率仅为8%,并且早期诊断 PDAC是NCI优先级最高的领域。在PDAC的最佳识别危险因素中,有粘液 胰腺囊肿,其中最常见的亚型被称为导管内乳头状粘液肿瘤 (IPMN)。目前,IPMN患者因“令人担忧”的成像功能而进行手术切除,或者是 紧随其后进行串行成像研究,以促进侵入性PDAC的风险。不幸的是, 反射患者进行手术的成像标准是不完善的,导致IPMN的过度和不足。 此外,没有具有敏感性和特异性的凭据基于血液的生物标志物值得可靠 治疗分层。我们的小组已经确定KRAS和GNA的致癌突变是两个 IPMN中的常见驱动突变 - 约96%的病例中存在一个或另一个。我们现在已经设计了 具有突变组合(KRAS; GNA)的IPMN的第一种动物模型 同源人类疾病。强力霉素诱导后,Kras; gNA小鼠均匀地形成了囊性病变。 周,随着25%的小鼠的侵入性癌症的发展,模仿了多步进 人类IPMN至PDAC。该提案的目的是增强该模型的翻译适用性 通过将其用作受控平台,以在两个领域的IPMN管理中解决关键未满足的需求: 成像与生物标志物相关和循环。在AIM 1中,我们将使用动物模型研究两种小说 成像平台 - 使用单独开发的算法从MRI扫描中提取定量特征 被称为“增强模式映射”(EPM)和第二个超极化MRI(HPMRI),以便为了 确定成像与从低级IPMN向癌症的过渡相吻合。在AIM 2中,我们将 使用无偏质谱和基于阵列的方法的组合来识别循环蛋白 和自身抗体,分别与鼠IPMN向PDAC的进展相关。此外,我们将 通过利用超敏感和 定量液滴数字PCR(DDPCR)平台用于检测突变的KRAS和GNA DNA循环中 外泌体。所有三类基于血液的生物标志物(蛋白质,自身抗体和埃及娜)将被评估 在匹配的鼠血浆样品中,这将使我们能够估算癌症检测的添加剂性能 使用强大的统计范例。两种目标都将受益于现成的成像扫描和生物测量 通过NCI资助的多中心U01,来自IPMN患者的跨物种转化验证研究 由PI领导的财团。我们认为,这项多学科提议有可能产生长期影响 通过改变监测癌症进展的方法的改变PDAC死亡率 在IPMN中。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

ANIRBAN MAITRA其他文献

ANIRBAN MAITRA的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('ANIRBAN MAITRA', 18)}}的其他基金

TBEL Project 2
TBEL项目2
  • 批准号:
    10518938
  • 财政年份:
    2022
  • 资助金额:
    $ 59.76万
  • 项目类别:
TBEL Admin Core
TBEL 管理核心
  • 批准号:
    10518936
  • 财政年份:
    2022
  • 资助金额:
    $ 59.76万
  • 项目类别:
Tumor Microenvironment Crosstalk Drives Early Lesions in Pancreatic Cancer
肿瘤微环境串扰导致胰腺癌早期病变
  • 批准号:
    10518935
  • 财政年份:
    2022
  • 资助金额:
    $ 59.76万
  • 项目类别:
TBEL Admin Core
TBEL 管理核心
  • 批准号:
    10708200
  • 财政年份:
    2022
  • 资助金额:
    $ 59.76万
  • 项目类别:
Tumor Microenvironment Crosstalk Drives Early Lesions in Pancreatic Cancer
肿瘤微环境串扰导致胰腺癌早期病变
  • 批准号:
    10708199
  • 财政年份:
    2022
  • 资助金额:
    $ 59.76万
  • 项目类别:
TBEL Project 2
TBEL项目2
  • 批准号:
    10708202
  • 财政年份:
    2022
  • 资助金额:
    $ 59.76万
  • 项目类别:
Developmental Research Program
发展研究计划
  • 批准号:
    10226091
  • 财政年份:
    2019
  • 资助金额:
    $ 59.76万
  • 项目类别:
Developmental Research Program
发展研究计划
  • 批准号:
    10415971
  • 财政年份:
    2019
  • 资助金额:
    $ 59.76万
  • 项目类别:
Wnt/?-catenin Signaling in Pancreatic Oncogenesis
胰腺肿瘤发生中的 Wnt/β-catenin 信号转导
  • 批准号:
    9565530
  • 财政年份:
    2017
  • 资助金额:
    $ 59.76万
  • 项目类别:
Wnt/?-catenin Signaling in Pancreatic Oncogenesis
胰腺肿瘤发生中的 Wnt/β-catenin 信号转导
  • 批准号:
    10171806
  • 财政年份:
    2017
  • 资助金额:
    $ 59.76万
  • 项目类别:

相似国自然基金

时空序列驱动的神经形态视觉目标识别算法研究
  • 批准号:
    61906126
  • 批准年份:
    2019
  • 资助金额:
    24.0 万元
  • 项目类别:
    青年科学基金项目
本体驱动的地址数据空间语义建模与地址匹配方法
  • 批准号:
    41901325
  • 批准年份:
    2019
  • 资助金额:
    22.0 万元
  • 项目类别:
    青年科学基金项目
大容量固态硬盘地址映射表优化设计与访存优化研究
  • 批准号:
    61802133
  • 批准年份:
    2018
  • 资助金额:
    23.0 万元
  • 项目类别:
    青年科学基金项目
IP地址驱动的多径路由及流量传输控制研究
  • 批准号:
    61872252
  • 批准年份:
    2018
  • 资助金额:
    64.0 万元
  • 项目类别:
    面上项目
针对内存攻击对象的内存安全防御技术研究
  • 批准号:
    61802432
  • 批准年份:
    2018
  • 资助金额:
    25.0 万元
  • 项目类别:
    青年科学基金项目

相似海外基金

Computer-Aided Triage of Body CT Scans with Deep Learning
利用深度学习对身体 CT 扫描进行计算机辅助分类
  • 批准号:
    10585553
  • 财政年份:
    2023
  • 资助金额:
    $ 59.76万
  • 项目类别:
Opportunistic Atherosclerotic Cardiovascular Disease Risk Estimation at Abdominal CTs with Robust and Unbiased Deep Learning
通过稳健且公正的深度学习进行腹部 CT 机会性动脉粥样硬化性心血管疾病风险评估
  • 批准号:
    10636536
  • 财政年份:
    2023
  • 资助金额:
    $ 59.76万
  • 项目类别:
Rapid Free-Breathing 3D High-Resolution MRI for Volumetric Liver Iron Quantification
用于体积肝铁定量的快速自由呼吸 3D 高分辨率 MRI
  • 批准号:
    10742197
  • 财政年份:
    2023
  • 资助金额:
    $ 59.76万
  • 项目类别:
Real-time Volumetric Imaging for Motion Management and Dose Delivery Verification
用于运动管理和剂量输送验证的实时体积成像
  • 批准号:
    10659842
  • 财政年份:
    2023
  • 资助金额:
    $ 59.76万
  • 项目类别:
Developing microwave epiphysiodesis to correct limb length discrepancies
开发微波骨骺固定术以纠正肢体长度差异
  • 批准号:
    10804031
  • 财政年份:
    2023
  • 资助金额:
    $ 59.76万
  • 项目类别:
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了