PROTEOLISI E GENI COINVOLTI NELLA STORIA NATURALE E METASTATIZZAZIONE DEL CARCINOMA ORALE SQUAMOCELLULARE

Progetto: Research project

Description

BACKGROUND: nell’ambito dello studio dei markers associati all’invasione tissutale ed al processo di metastasi, di recente sono stati attenzionati dalla letteratura internazionale le molecole coinvolte nel processo di proteolisi e di degradazione delle membrana basale (i.e. le MetalloProteinasi -MMP e gli inibitori tissutali delle MMP -TIMP) e il prodotto genico nm23-H1. Parallelamente, è diventato prioritario lo studio delle significatività espressive dei diversi geni e relative espressioni nel panorama dei modelli oncologici proposti.AIM:Il compito dell'Unità di ricerca si articola in diverse fasi sulla base delle competenze previste nell'organigramma delle risorse umane: a) nell'ambito della investigazione molecolare, l'Unità valuterà il ruolo dell'espressione proteica di Nm23-H1 e di molecole coinvolte nella proteolisi e relativa invasione tumorale e metastasi a distanza del carcinoma orale; b) nell'ambito della validazione statistica, l'Unità è responsabile della creazione dei datasets, della scelta dello study design e delle metodologie di analisi (sia per la espressione genica che per la progressione neoplastica), della elaborazione dei risultati delle singole sedi e di quelli dell'intera casistica sia in chiave trasversale che retrospettiva. Nel dettaglio, l'Unità effettuerà la valutazione immunoistochimica, confortata da analisi con Western Blot ed RT-PCR, dell'espressione proteica di Nm23-H1 e di MMPs (MMP-2, MMP-9) TIMP-1 e -2 in carcinomi orali e relativa serie di controlli sani. La stessa si occuperà dell' analisi statistica dei dati dei microarray e relativa organizzazione gerarchica, mediante creazione di database coerenti di profili di espressione genica e classificazione corretta dei campioni, dei pattern, con la elaborazione di associazioni tra espressione dei vari geni e caratteristiche del tumore: gli strumenti matematici, applicati per analizzare i dati di microarray, saranno utilizzati mediante software opportuno (GeneSifter per Affimetrix o GeneChip® Expression Analysis) e saranno comparati e validati mediante approcci di raggruppamento mutuati dalle Artificial Neural Networks, utilizzando in particolare la Logica Fuzzy. Infine, l'Unità è responsabile di ogni processo analitico di associazione statitistica in analisi univariata e multivariata tra i dati sperimentali ed i parametri clinici trasversali e prospettici raccolti dalle singole Unità. Tutti i dati sperimentali ottenuti saranno comparati con i dati clinici posseduti, quali dimensione della lesione, presenza di metastasi e/o di recidive, sopravvivenza globale e libera da malattia. I dati saranno analizzati mediante il software StatView per Windows (SAS Inc v. 5.0.1, Cary, NC, USA), e Statistica 6.0 (Statsoft Inc, Tulsa, OK, USA). Per misurare il livello di associazione, saranno calcolati il valore degli Odds Ratio (OR) grezzi e il corrispondente test basato sull'Intervallo di Confidenza al 95%. Il test del Chi quadro sarà utilizzato per valutare le differenze statistiche tra le variabili categoriche; in tutte le valutazioni, valori dei p-values uguali o inferiori a 0.05 saranno considerati statisticamente significativi. Le relazioni tra la presenza di metastasi e/o di recidive, la sopravvivenza globale e libera da malattia, e le diverse variabili saranno analizzate in modalità mono e multivariata. Saranno realizzati, dove opportuno, modelli di regressione logistica. Per ottenere modelli con un numero ridotto di variabili, si utilizzeranno procedure di selezioni delle variabili di tipo a gradino. La bontà dei modelli, ottenuti mediante procedure iterative

Layman's description

Lo scopo della UNITÀ DI PALERMO (Resp. prof. Campisi) è quello di sinergizzarsi al Programma Generale di Ricerca (Resp. Naz. prof. Lo Muzio - Foggia) nelle diverse fasi (vedi Mod. A) in cui esso è composto, e specificatamente all’endpoint primario rappresentato dall'identificazione dei geni responsabili della aggressività del carcinoma orale squamocellulare (OSCC) e, quindi, di nuovi e/o più affidabili indicatori prognostici e predittivi in termini di outcome, survival rate, local recurrence e metastasi a distanza. Funzionale a tale scopo è la partecipazione della nostra Unità a diverse fasi del progetto generale di ricerca:-in FASE 2 (Analisi statistica dei dati dei microarray ed organizzazione gerarchica degli stessi)L’UNITÀ DI PALERMO si attiva con la creazione di database coerenti di profili di espressione genica e classificazione corretta dei campioni, dei pattern, con la elaborazione di relazioni corrette tra espressione dei vari geni e caratteristiche del tumore. Gli strumenti matematici, applicati per analizzare i dati di microarray, saranno utilizzati mediante software opportuno (GeneSifter per Affimetrix o GeneChip® Expression Analysis) e saranno comparati e validati mediante approcci di raggruppamento mutuati dalle Artificial Neural Networks, utilizzando in particolare la Logica Fuzzy. Per comparare e validare i risultati statistici, noi useremo gli approcci di raggruppamento della fuzzy (k-means) per estrarre i dati biologici dall’analisi dei dati dell’espressione genica, superando le componenti di rumore presenti nel dataset, principalmente a causa delle incertezze e le approssimazioni introdotte durante le misure. Inoltre, si valuterà la possibilità di impiegare metodi di clustering model-based, quale il metodo di clustering dei modelli di regressione (CORM) di Qin e Self (2005) che riunisce nel medesimo raggruppamento geni simili dal punto di vista della relazione con le covariate. Il metodo CORM tende ad ottenere gruppi stabili ed è oltremodo utile se le medie dei cluster sono impiegate come predittori per la classificazione dei campioni. Inoltre Qin and Self (2007) hanno dimostrato l’efficacia del metodo CORM in disegni sperimentali complessi, difficilmente gestibili dal classico K-means.Inoltre, queste metodologie permettono una ricerca esauriente di modelli di reti che descrivono le interazioni geniche. Un problema rilevante è costituito dal lavoro computazionale dovuto al grande numero di possibili combinazioni. Usando tecniche sia statistiche che fuzzy, è possibile ridurre efficientemente i dati e le relazioni, riducendo così lo spazio di ricerca dei datasets di espressione genica. Inoltre, questi approcci permettono di superare le difficoltà inerenti ai metodi di clustering partizionale dando informazioni circa l'influenza di un determinato gene sulla struttura complessiva dei cluster. Queste metodologie possono essere usate per scoprire relazioni causali tra gruppi di geni co-regolati che permettono una classificazione del carcinoma orale basata sull’espressione genica desunta con i microarray, ed una interpretazione dei pattern di espressione genomica per un riconoscimento corretto dei tumori. Noi useremo un software commerciale ed uno free (Matlab ed Octave) per trovare le relazioni tra i dati dei microarray e le caratteristiche del carcinoma. Tutte le analisi parziali ed omnicomprensive saranno realizzate secondo procedure statistiche tradizionali di analisi univariata e multivariata (mediante SPSS 11.5 per Windows) e da elaborazione di Reti Neurali Artificiali. Infine, tutte le informazioni da microarrays ve

Key findings

Salute
StatoFinito
Data di inizio/fine effettiva9/21/0810/21/10