Project

Back to overview

Using single-cell sequencing data to analyse tumour evolution

English title Using single-cell sequencing data to analyse tumour evolution
Applicant Beerenwinkel Niko
Number 179518
Funding scheme Project funding (Div. I-III)
Research institution Computational Systems Biology Department of Biosystems, D-BSSE ETH Zürich
Institution of higher education ETH Zurich - ETHZ
Main discipline Genetics
Start/End 01.11.2018 - 31.10.2022
Approved amount 632'000.00
Show all

All Disciplines (2)

Discipline
Genetics
Cancer

Keywords (4)

single-cell sequencing; intra-tumour phylogeny; intra-tumour heterogeneity; tumour evolution

Lay Summary (German)

Lead
Methoden für die Analyse der Tumorevolution anhand von EinzelzellsequenzierungenKrebs ist eine komplexe Erkrankung, die auch auf molekularer Ebene sehr heterogen ist. Selbst einzelne Tumore bestehen aus vielen Zellen, die sich genetisch und phänotypisch unterscheiden können. Diese Tumordiversit?t ist ein wichtiger Faktor für den Krankheitsverlauf und die Wirksamkeit von Krebstherapien. Das Projekt leistet einen Beitrag, die genetische Heterogenität von Tumoren als Ergebnis ihres evolutionären Entstehungsprozesses quantitativ zu beschreiben.
Lay summary

Ziel des Projektes ist es, Methoden zu entwickeln, die es ermöglichen die genetische Diversität von Tumoren durch Einzelzellsequenzierungen zu charakterisieren. Die Bestimmung von DNS-Sequenzen in einzelnen Zellen ist erst seit kurzem möglich und bringt viele technische Schwierigkeiten mit sich. Die Analyse solcher Daten bedarf daher der sorgfältigen mathematischen und statistischen Modellierung. Wir werden sowohl Punktmutationen als auch strukturelle genomische Veränderungen, wie z.B. Insertionen und Deletionen, in Krebszellen modellieren und anhand dieser Merkmale die Evolutionsgeschichte einzelner Tumore rekonstruieren. Unser Ziel ist es die neuen Methoden sowohl in einem einheitlichen mathematischen Rahmenwerk zu formulieren, als auch in effizienten Open-Source-Computerprogrammen zu implementieren.    

 

Das Projekt schafft die mathematischen, statistischen und rechnerischen Grundlagen für die effiziente Nutzung von Tumor-Einzelzellsequenzierdaten für die Krebstherapie. Die zu entwickelnden Methoden werden es erlauben, Tumore detailliert genomisch zu charakterisieren und die individuelle Therapie einzelner Patienten zu optimieren.

Direct link to Lay Summary Last update: 08.05.2018

Responsible applicant and co-applicants

Employees

Project partner

Abstract

Cancers are complex diseases, with their complexity extending even within individual tumours. Their makeup most often consists of many heterogeneous populations of cells harbouring different genomic aberration. Diversity within a tumour is a considerable cause of treatment failure and relapse, since clonal cell subpopulations may be resistant to treatment and progress. Effective treatment should target all subpopulations, or evolve with the tumour to adapt as new clones become dominant. Uncovering the genetic makeup and evolutionary history of the tumour is thus key to developing targeted therapies.Detailed knowledge of the relative frequencies of aberrations in a tumour sample is now obtainable with next generation sequencing. Such bulk sampling has been neatly complemented lately by single-cell sequencing of individual tumour cells. Sequencing at the cell level provides high resolution insights into the mutational past of a tumour and the phylogenetic relationship between its clones. The aim of this project is to develop a single coherent framework to utilise the entirety of the sequencing data, both from bulk sampling and single cells while accounting for different types of genomic aberrations. Moving beyond the current use of separate analyses will allow us to exploit the complementary aspects of different technologies and optimise the extraction of information from all types of data. Interdependent aberrations from point mutations to copy number variations can be effectively modelled together via probabilistic trees, fit jointly to both bulk and single-cell data. An integral part of our objectives is to develop robust and efficient software to elicit the evolutionary history of tumours. The software will be open source, documented and freely available for the community to apply for their analyses. Taking advantage of the full sequencing information to derive a richer picture of tumours, we aim to support clinical practice in implementing precise treatment tailored to the cancer profile of the individual patient.
-