• Passa alla navigazione primaria
  • Passa al contenuto principale
  • Passa alla barra laterale primaria
  • Passa al piè di pagina

Cerca nel sito

  • Chi siamo
    • Governance
    • Team of Facilities
  • Dove siamo
  • Contattaci
  • Per te paziente
  • EN
  • IT
gemelli generator logo

GemelliGenerator

  • Facilities
    • Epidemiology & Biostatistics
    • Data Collection
    • Bioinformatics
    • Real World Data
  • Servizi
  • Ricerca
    • Progetti Europei
    • Progetti
    • Pubblicazioni
  • Opportunità
    • Bandi di concorso
    • Formazione
  • Network & Partners
  • News ed Eventi
Home / Progetti / Identification of a novel gene signature predicting response to first-line chemotherapy in BRCA wild-type high-grade serous ovarian cancer patients

Identification of a novel gene signature predicting response to first-line chemotherapy in BRCA wild-type high-grade serous ovarian cancer patients

Principal Investigator:

Daniela Gallo Head of Unit of Translational Medicine for Woman and Child Health

Ricercatori coinvolti:

Dott. Fernando Palluzzi, Dott. Luciano Giaco’, Dr.ssa Ivana Conti, Ing. Tina Pasciuto, Paolo Casu

In collaboration with: Unità di Medicina Traslazionale per la Salute della Donna e del Bambino

Obiettivo:

High-grade serous ovarian cancer (HGSOC) has poor survival rates due to a combination of diagnosis at advanced stage and disease recurrence as a result of chemotherapy resistance. A cohort of wild-type BRCA (BRCAwt) HGSOC patients were profiled by RNA sequencing (RNA-seq) and sub-grouped according to platinum-free interval (PFI) into sensitive (PFI > 12 months) and resistant (PFI < 6 months). Differential expression analysis of RNA-seq data identified a panel of 42 genes discriminating sensitive and resistant BRCAwt HGSOC patients, while pathway analysis pointed out the immune system as a possible driver of chemotherapy response. The 42-genes panel was tested by high-throughput quantitative real-time PCR in a validation cohort. Through the use of random forest classifiers and robust high-dimensional model fitting heuristics, we found a signature of 10 genes (CKB, CTNNBL1, GNG11, IGFBP7, PLCG2, RNF24, SLC15A3, TSPAN31, TTI1, and UQCC1) predictive of response to first-line chemotherapy, with three of them (CTNNBL1, RNF24, and TTI1) detected as cell-autonomous contributors to tumour resistance

Pubblicazioni:

Identification of a novel gene signature predicting response to first-line chemotherapy in BRCA wild-type high-grade serous ovarian cancer patients
Marianna Buttarelli, Alessandra Ciucci, Fernando Palluzzi, Giuseppina Raspaglio, Claudia Marchetti, Emanuele Perrone, Angelo Minucci, Luciano Giacò, Anna Fagotti, Giovanni Scambia & Daniela Gallo
PMID: 35120576, doi: https://doi.org/10.1186/s13046-022-02265-w

Barra laterale primaria

Search

Le nostre facilities

  • Epidemiology & Biostatistics
  • Data Collection
  • Bioinformatics
  • Real World Data

Ultime da Gemelli Generator

  • 26/07/2022
    Azimuth, un percorso di digital health integrato per i pazienti con insufficienza cardiaca
  • 29/11/2021Eventi
    IL RUOLO DELLA BIOINFORMATICA NELLA RICERCA CLINICA: EVIDENZE E NUOVE PROSPETTIVE.
  • News
    25/10/2021Ricerca
    L'intelligenza artificiale e la bellezza della guarigione
  • Eventi
    09/09/2021Video
    Sanità. L'uso dell'Intelligenza artificiale nei servizi sanitari. Intervista al Prof. Vincenzo Valentini

Formazione

Scopri i nostri corsi

Hai bisogno di aiuto?

Saremo lieti di fornirti tutte le informazioni e il supporto necessario per avere la migliore esperienza possibile con Gemelli GENERATOR

Contattaci ora

Footer

  • Facilities
    • Epidemiology & Biostatistics
    • Data Collection
    • Bioinformatics
    • Real World Data
  • Servizi
  • Ricerca
    • Progetti Europei
    • Progetti
    • Pubblicazioni
  • Opportunità
    • Bandi di concorso
    • Formazione
  • Network & Partners
  • News ed Eventi
  • Chi siamo
    • Governance
    • Team of Facilities
  • Dove siamo
  • Contattaci
  • Per te paziente

Informativa sulla Privacy

Cookie Policy

Avvertenze

Condizioni di utilizzo


Sostienici
gemelli generator footer
logo facebook
logo twitter
logo youtube
logo linkedin
logo policlinico gemelli
logo cattolica

© 2020 Fondazione Policlinico Universitario Agostino Gemelli IRCCS
Codice Fiscale e P.IVA n. 13109681000

 

Sede Legale Largo Francesco Vito 1, 00168 Roma
Sede Operativa Largo Agostino Gemelli 8, 00168 Roma
Tutti i diritti riservati / All Rights Reserved – Credits