病情或疾病 | 干预/治疗 |
---|---|
原发性中枢神经系统淋巴瘤(PCNSL) | 其他:肿瘤样品和MRI |
研究类型 : | 观察 |
估计入学人数 : | 100名参与者 |
观察模型: | 队列 |
时间观点: | 其他 |
官方标题: | 原发性中枢神经系统淋巴瘤(PCNSL)的微观和宏观水平的数学建模 |
估计研究开始日期 : | 2020年2月15日 |
估计的初级完成日期 : | 2023年2月15日 |
估计 学习完成日期 : | 2023年9月15日 |
组/队列 | 干预/治疗 |
---|---|
预期 | 其他:肿瘤样品和MRI 我们将使用DNA和RNA肿瘤样品。我们不会使用种系或血液DNA。这些数据将与它们在不同时间的磁共振成像(MRI)结合:在诊断,治疗结束和疾病进展中。 |
回顾 | 其他:肿瘤样品和MRI 我们将使用DNA和RNA肿瘤样品。我们不会使用种系或血液DNA。这些数据将与它们在不同时间的磁共振成像(MRI)结合:在诊断,治疗结束和疾病进展中。 |
PCNSL通过放射线学,基因表达和基因分型特征的整合来表征。
使用MRI和NGS数据对形态表型以及PCNSL的预后以及化学敏感性或化学抗性的数学建模。
有资格学习的年龄: | 60岁以上(成人,老年人) |
有资格学习的男女: | 全部 |
接受健康的志愿者: | 不 |
采样方法: | 非概率样本 |
联系人:KhêHoang-Xuan,医学博士,博士 | 01.42.16.03.81 | khe.hoang-xuan@aphp.fr | |
联系人:Agusti Alentorn,医学博士,博士 | agusti.alentorn@aphp.fr |
法国 | |
Groupe HosidentierLaPitiéSalpêtrière | |
法国巴黎,75013 | |
联系人:KhêHoang-Xuan,医学博士,博士01.42.16.03.81 khe.hoang-xuan@aphp.fr | |
联系人:Agusti Alentorn,医学博士,博士Agusti.alentorn@aphp.fr |
首席研究员: | 医学博士KhêHoang-Xuan | Groupe HospitalierLaPitiéSalpêtrière -AP -HP |
追踪信息 | |||||||||
---|---|---|---|---|---|---|---|---|---|
首先提交日期 | 2020年1月31日 | ||||||||
第一个发布日期 | 2020年2月5日 | ||||||||
上次更新发布日期 | 2020年2月5日 | ||||||||
估计研究开始日期 | 2020年2月15日 | ||||||||
估计的初级完成日期 | 2023年2月15日(主要结果度量的最终数据收集日期) | ||||||||
当前的主要结果指标 | PCNSL患者中使用MRI和NGS数据进行的总生存和无进展生存模型。 [时间范围:3年] PCNSL通过放射线学,基因表达和基因分型特征的整合来表征。使用MRI和NGS数据对形态表型以及PCNSL的预后以及化学敏感性或化学抗性的数学建模。 | ||||||||
原始主要结果指标 | 与电流相同 | ||||||||
改变历史 | 没有发布更改 | ||||||||
当前的次要结果指标 | PCNSL进程建模。 [时间范围:3年] 分析使用综合数据:PNCSL的小鼠模型,体外数据和放射组学分析,分析PCNSL中新的治疗靶标的化学抗性途径和开发。 | ||||||||
原始的次要结果指标 | 与电流相同 | ||||||||
当前其他预先指定的结果指标 | 不提供 | ||||||||
原始其他预先指定的结果指标 | 不提供 | ||||||||
描述性信息 | |||||||||
简短标题 | 原发性中枢神经系统淋巴瘤(PCNSL)的微观和宏观水平的数学建模 | ||||||||
官方头衔 | 原发性中枢神经系统淋巴瘤(PCNSL)的微观和宏观水平的数学建模 | ||||||||
简要摘要 | 我们计划分析使用使用PCNSL样品NGS的高剂量甲氨蝶呤化学疗法均匀处理的100个PCNSL。我们将从肿瘤样品中执行DNA-SEQ和RNA-SEQ。这些数据将与它们在不同时间点的磁共振成像(MRI)结合:在诊断,治疗结束时和疾病进展中。在将包含的100个PCNSL中,有70个将来自法国国家PCNSL数据集中的患者的回顾性(培训集)(训练集)(LOC cohort)和30个PCNSL,来自III期临床试验中的患者的前瞻性队列(Blocage Blocage) ,PHRC 2014)。一方面,我们将使用3D肿瘤和水肿分割进行放射组学分析(定量成像)。该分析将有助于我们阐明MRI表型和基因型的潜在相关性(使用高通量数据)。此外,我们将使用放射组数据与体外和体内数据(使用PCNSL的鼠标模型)以及免疫组织化学数据相结合,以获得PCNSL临床进化的多维数学建模,从而使我们能够更好地预测临床过程这种罕见的脑肿瘤亚型。 | ||||||||
详细说明 | 原发性中枢神经系统淋巴瘤(PCNSL)是弥漫性的大型B细胞类型的鼻外,恶性非淋巴瘤' target='_blank'>霍奇金淋巴瘤,而无需全身传播的迹象。 PCNSL占所有淋巴瘤和3%原发性脑肿瘤的1%。尽管PCNSL治疗最近取得了进展,但减少持续时间短,并且在少数长期幸存者(20%)的情况下,结果仍然很差。此外,治疗使患者暴露于神经毒性的高风险。即使对PCNSL进行了广泛的研究,但其显着的对流和其特殊临床行为的基础的致病机制尚未得到很好的阐明。自2010年以来,法国国家癌症研究所(INCA)支持建立专门针对稀有癌症的医疗网络,包括PCNSL(LOC Network)。 LOC已经开发了一个具有虚拟肿瘤数据库的新诊断为PCNSL的国家临床数据库,以进行转化研究。此外,LOC发起了几项前瞻性试验,包括III期临床试验(Blocage -PHRC 2014),预期样本量为300名患者进行辅助分析。先前已经进行了恶性脑外/全身性非淋巴瘤' target='_blank'>霍奇金淋巴瘤治疗和预后的建模,但是由于其特殊的解剖学和免疫保护的微环境及其特定的治疗管理,因此需要对PCNSL的特定模型进行模型。有趣的是,在胶质母细胞瘤,另一种原发性脑肿瘤中,预期肿瘤负担的模型预测提供了对治疗疗法有效性的个性化评估。因此,可以使用PCNSL生长和治疗反应的数学模型的综合机械观点来更好地分层PCNSL进化并预测最佳治疗方案。从放射学的角度来看,PCNSL经常显示出具有脑室对比度增强病变的特征性表现。这是由于其高细胞性,高核/细胞质比,血脑屏障的破坏以及其对脑室和表面的偏爱经常与心室或脑膜表面接触。有趣的是,一些小型研究表明,放射学和高通量数据的整合将有助于对PCNSL的预后进行分层。此外,MRI评估了治疗反应,但是这种评估缺乏检测非增强病变的敏感性。放射素学是将临床成像扩展到分子和基因组成像时代的有希望的新范式。使用MRI和分子表型的有趣结果已在不同的癌症中,最近在胶质母细胞瘤中获得。但是,只有一些证据表明PCNSL的分子表型可能与某些特定的成像形态表型有关。有趣的是,我们的团队最近确定了TERT启动子突变的存在与PCNSL在call体内的定位之间的潜在分子 - 放射学关联。此外,使用MRI数据(宏观数据)还将用于探索多元框架中MRI模式的预测指标,我们将开发一种线性建模方法,该方法测量MRI模式与许多潜在预测指标的关联,包括在A上的表达水平,包括在A上的表达水平基因基础,驱动突变和临床变量。体形获得的突变和细胞遗传病变将被编码为存在/不存在。由于其可解释性和确定的统计方法,我们选择了线性模型,使我们能够测试在纠正其他混杂因素和其他临床变量以及共存驱动器突变后,在存在特定变化的情况下,在存在特定变化的情况下,MRI形态模式与放松调节的转录物相关。将使用来自选定驱动器基因,细胞遗传病变的数据研究和解剖MRI数据的总差异,并且将以最小绝对的收缩和选择操作员(LASSO)惩罚模型分析MRI数据的最相关的主要成分。最佳模型最大化解释的方差R2。 我们将使用HMISC R软件包实现的Harrel的C统计量评估生存模型的预后准确性。该统计数据衡量了具有一致风险预测的患者对的比例,并且与接收器操作特征曲线下的区域相似。为了减少估计风险的偏见,我们将使用五倍的交叉验证方案。此外,我们还将使用随机森林作为预测结果和衡量可变重要性的替代方法来分析此多维数据的生存影响。这些是在RandomForesetSrc R软件包中实现的。在患者的子样本上获得的初步结果表明,100名患者队列将足以构建和评估我们将研究的模型的预测值。使用完整数据集中可用的所有变量来扩展上述针对小子集的多个源数据集的工具:非负矩阵共同拍摄和正常的广义规范相关分析。 患者预后可能与组织学水平和肿瘤形状的特征形态肿瘤表型密切相关,这本身可能与基因表达模式相关。因此,具有上述统计模型的宏观生长模拟将由组织学水平和整个肿瘤水平的机械模型的模拟进行补充。组织学水平模型将使用与其他微环境细胞(如神经胶质细胞)和鼠实验共同培养的弥漫性大B细胞淋巴瘤(DLBCL)细胞系进行校准。该模型应阐明能够解释观察到的细胞增殖和多细胞排列模式的细胞水平的机制。 | ||||||||
研究类型 | 观察 | ||||||||
学习规划 | 观察模型:队列 时间观点:其他 | ||||||||
目标随访时间 | 不提供 | ||||||||
生物测量 | 保留:DNA样品 描述: 肿瘤DNA和RNA | ||||||||
采样方法 | 非概率样本 | ||||||||
研究人群 | 诊断时的PCNSL,在与可用的新鲜组织,MRI和临床随访的化疗之前 | ||||||||
健康)状况 | 原发性中枢神经系统淋巴瘤(PCNSL) | ||||||||
干涉 | 其他:肿瘤样品和MRI 我们将使用DNA和RNA肿瘤样品。我们不会使用种系或血液DNA。这些数据将与它们在不同时间的磁共振成像(MRI)结合:在诊断,治疗结束和疾病进展中。 | ||||||||
研究组/队列 |
| ||||||||
出版物 * | 不提供 | ||||||||
*包括由数据提供商提供的出版物以及Medline中临床标识符(NCT编号)的出版物。 | |||||||||
招聘信息 | |||||||||
招聘状况 | 尚未招募 | ||||||||
估计入学人数 | 100 | ||||||||
原始估计注册 | 与电流相同 | ||||||||
估计学习完成日期 | 2023年9月15日 | ||||||||
估计的初级完成日期 | 2023年2月15日(主要结果度量的最终数据收集日期) | ||||||||
资格标准 | 注册时的纳入标准
随机化
排除标准 | ||||||||
性别/性别 |
| ||||||||
年龄 | 60岁以上(成人,老年人) | ||||||||
接受健康的志愿者 | 不 | ||||||||
联系人 |
| ||||||||
列出的位置国家 | 法国 | ||||||||
删除了位置国家 | |||||||||
管理信息 | |||||||||
NCT编号 | NCT04253496 | ||||||||
其他研究ID编号 | PRTK16149 2014-002597-37(Eudract编号) | ||||||||
有数据监测委员会 | 不提供 | ||||||||
美国FDA调节的产品 |
| ||||||||
IPD共享声明 | 不提供 | ||||||||
责任方 | 援助出版-Hôpitauxde Paris | ||||||||
研究赞助商 | 援助出版-Hôpitauxde Paris | ||||||||
合作者 | 不提供 | ||||||||
调查人员 |
| ||||||||
PRS帐户 | 援助出版-Hôpitauxde Paris | ||||||||
验证日期 | 2020年1月 |
病情或疾病 | 干预/治疗 |
---|---|
原发性中枢神经系统淋巴瘤(PCNSL) | 其他:肿瘤样品和MRI |
研究类型 : | 观察 |
估计入学人数 : | 100名参与者 |
观察模型: | 队列 |
时间观点: | 其他 |
官方标题: | 原发性中枢神经系统淋巴瘤(PCNSL)的微观和宏观水平的数学建模 |
估计研究开始日期 : | 2020年2月15日 |
估计的初级完成日期 : | 2023年2月15日 |
估计 学习完成日期 : | 2023年9月15日 |
组/队列 | 干预/治疗 |
---|---|
预期 | 其他:肿瘤样品和MRI 我们将使用DNA和RNA肿瘤样品。我们不会使用种系或血液DNA。这些数据将与它们在不同时间的磁共振成像(MRI)结合:在诊断,治疗结束和疾病进展中。 |
回顾 | 其他:肿瘤样品和MRI 我们将使用DNA和RNA肿瘤样品。我们不会使用种系或血液DNA。这些数据将与它们在不同时间的磁共振成像(MRI)结合:在诊断,治疗结束和疾病进展中。 |
PCNSL通过放射线学,基因表达和基因分型特征的整合来表征。
使用MRI和NGS数据对形态表型以及PCNSL的预后以及化学敏感性或化学抗性的数学建模。
有资格学习的年龄: | 60岁以上(成人,老年人) |
有资格学习的男女: | 全部 |
接受健康的志愿者: | 不 |
采样方法: | 非概率样本 |
联系人:KhêHoang-Xuan,医学博士,博士 | 01.42.16.03.81 | khe.hoang-xuan@aphp.fr | |
联系人:Agusti Alentorn,医学博士,博士 | agusti.alentorn@aphp.fr |
法国 | |
Groupe HosidentierLaPitiéSalpêtrière | |
法国巴黎,75013 | |
联系人:KhêHoang-Xuan,医学博士,博士01.42.16.03.81 khe.hoang-xuan@aphp.fr | |
联系人:Agusti Alentorn,医学博士,博士Agusti.alentorn@aphp.fr |
首席研究员: | 医学博士KhêHoang-Xuan | Groupe HospitalierLaPitiéSalpêtrière -AP -HP |
追踪信息 | |||||||||
---|---|---|---|---|---|---|---|---|---|
首先提交日期 | 2020年1月31日 | ||||||||
第一个发布日期 | 2020年2月5日 | ||||||||
上次更新发布日期 | 2020年2月5日 | ||||||||
估计研究开始日期 | 2020年2月15日 | ||||||||
估计的初级完成日期 | 2023年2月15日(主要结果度量的最终数据收集日期) | ||||||||
当前的主要结果指标 | PCNSL患者中使用MRI和NGS数据进行的总生存和无进展生存模型。 [时间范围:3年] PCNSL通过放射线学,基因表达和基因分型特征的整合来表征。使用MRI和NGS数据对形态表型以及PCNSL的预后以及化学敏感性或化学抗性的数学建模。 | ||||||||
原始主要结果指标 | 与电流相同 | ||||||||
改变历史 | 没有发布更改 | ||||||||
当前的次要结果指标 | PCNSL进程建模。 [时间范围:3年] 分析使用综合数据:PNCSL的小鼠模型,体外数据和放射组学分析,分析PCNSL中新的治疗靶标的化学抗性途径和开发。 | ||||||||
原始的次要结果指标 | 与电流相同 | ||||||||
当前其他预先指定的结果指标 | 不提供 | ||||||||
原始其他预先指定的结果指标 | 不提供 | ||||||||
描述性信息 | |||||||||
简短标题 | 原发性中枢神经系统淋巴瘤(PCNSL)的微观和宏观水平的数学建模 | ||||||||
官方头衔 | 原发性中枢神经系统淋巴瘤(PCNSL)的微观和宏观水平的数学建模 | ||||||||
简要摘要 | 我们计划分析使用使用PCNSL样品NGS的高剂量甲氨蝶呤化学疗法均匀处理的100个PCNSL。我们将从肿瘤样品中执行DNA-SEQ和RNA-SEQ。这些数据将与它们在不同时间点的磁共振成像(MRI)结合:在诊断,治疗结束时和疾病进展中。在将包含的100个PCNSL中,有70个将来自法国国家PCNSL数据集中的患者的回顾性(培训集)(训练集)(LOC cohort)和30个PCNSL,来自III期临床试验中的患者的前瞻性队列(Blocage Blocage) ,PHRC 2014)。一方面,我们将使用3D肿瘤和水肿分割进行放射组学分析(定量成像)。该分析将有助于我们阐明MRI表型和基因型的潜在相关性(使用高通量数据)。此外,我们将使用放射组数据与体外和体内数据(使用PCNSL的鼠标模型)以及免疫组织化学数据相结合,以获得PCNSL临床进化的多维数学建模,从而使我们能够更好地预测临床过程这种罕见的脑肿瘤亚型。 | ||||||||
详细说明 | 原发性中枢神经系统淋巴瘤(PCNSL)是弥漫性的大型B细胞类型的鼻外,恶性非淋巴瘤' target='_blank'>霍奇金淋巴瘤,而无需全身传播的迹象。 PCNSL占所有淋巴瘤和3%原发性脑肿瘤的1%。尽管PCNSL治疗最近取得了进展,但减少持续时间短,并且在少数长期幸存者(20%)的情况下,结果仍然很差。此外,治疗使患者暴露于神经毒性的高风险。即使对PCNSL进行了广泛的研究,但其显着的对流和其特殊临床行为的基础的致病机制尚未得到很好的阐明。自2010年以来,法国国家癌症研究所(INCA)支持建立专门针对稀有癌症的医疗网络,包括PCNSL(LOC Network)。 LOC已经开发了一个具有虚拟肿瘤数据库的新诊断为PCNSL的国家临床数据库,以进行转化研究。此外,LOC发起了几项前瞻性试验,包括III期临床试验(Blocage -PHRC 2014),预期样本量为300名患者进行辅助分析。先前已经进行了恶性脑外/全身性非淋巴瘤' target='_blank'>霍奇金淋巴瘤治疗和预后的建模,但是由于其特殊的解剖学和免疫保护的微环境及其特定的治疗管理,因此需要对PCNSL的特定模型进行模型。有趣的是,在胶质母细胞瘤,另一种原发性脑肿瘤中,预期肿瘤负担的模型预测提供了对治疗疗法有效性的个性化评估。因此,可以使用PCNSL生长和治疗反应的数学模型的综合机械观点来更好地分层PCNSL进化并预测最佳治疗方案。从放射学的角度来看,PCNSL经常显示出具有脑室对比度增强病变的特征性表现。这是由于其高细胞性,高核/细胞质比,血脑屏障的破坏以及其对脑室和表面的偏爱经常与心室或脑膜表面接触。有趣的是,一些小型研究表明,放射学和高通量数据的整合将有助于对PCNSL的预后进行分层。此外,MRI评估了治疗反应,但是这种评估缺乏检测非增强病变的敏感性。放射素学是将临床成像扩展到分子和基因组成像时代的有希望的新范式。使用MRI和分子表型的有趣结果已在不同的癌症中,最近在胶质母细胞瘤中获得。但是,只有一些证据表明PCNSL的分子表型可能与某些特定的成像形态表型有关。有趣的是,我们的团队最近确定了TERT启动子突变的存在与PCNSL在call体内的定位之间的潜在分子 - 放射学关联。此外,使用MRI数据(宏观数据)还将用于探索多元框架中MRI模式的预测指标,我们将开发一种线性建模方法,该方法测量MRI模式与许多潜在预测指标的关联,包括在A上的表达水平,包括在A上的表达水平基因基础,驱动突变和临床变量。体形获得的突变和细胞遗传病变将被编码为存在/不存在。由于其可解释性和确定的统计方法,我们选择了线性模型,使我们能够测试在纠正其他混杂因素和其他临床变量以及共存驱动器突变后,在存在特定变化的情况下,在存在特定变化的情况下,MRI形态模式与放松调节的转录物相关。将使用来自选定驱动器基因,细胞遗传病变的数据研究和解剖MRI数据的总差异,并且将以最小绝对的收缩和选择操作员(LASSO)惩罚模型分析MRI数据的最相关的主要成分。最佳模型最大化解释的方差R2。 我们将使用HMISC R软件包实现的Harrel的C统计量评估生存模型的预后准确性。该统计数据衡量了具有一致风险预测的患者对的比例,并且与接收器操作特征曲线下的区域相似。为了减少估计风险的偏见,我们将使用五倍的交叉验证方案。此外,我们还将使用随机森林作为预测结果和衡量可变重要性的替代方法来分析此多维数据的生存影响。这些是在RandomForesetSrc R软件包中实现的。在患者的子样本上获得的初步结果表明,100名患者队列将足以构建和评估我们将研究的模型的预测值。使用完整数据集中可用的所有变量来扩展上述针对小子集的多个源数据集的工具:非负矩阵共同拍摄和正常的广义规范相关分析。 患者预后可能与组织学水平和肿瘤形状的特征形态肿瘤表型密切相关,这本身可能与基因表达模式相关。因此,具有上述统计模型的宏观生长模拟将由组织学水平和整个肿瘤水平的机械模型的模拟进行补充。组织学水平模型将使用与其他微环境细胞(如神经胶质细胞)和鼠实验共同培养的弥漫性大B细胞淋巴瘤(DLBCL)细胞系进行校准。该模型应阐明能够解释观察到的细胞增殖和多细胞排列模式的细胞水平的机制。 | ||||||||
研究类型 | 观察 | ||||||||
学习规划 | 观察模型:队列 时间观点:其他 | ||||||||
目标随访时间 | 不提供 | ||||||||
生物测量 | 保留:DNA样品 描述: 肿瘤DNA和RNA | ||||||||
采样方法 | 非概率样本 | ||||||||
研究人群 | 诊断时的PCNSL,在与可用的新鲜组织,MRI和临床随访的化疗之前 | ||||||||
健康)状况 | 原发性中枢神经系统淋巴瘤(PCNSL) | ||||||||
干涉 | 其他:肿瘤样品和MRI 我们将使用DNA和RNA肿瘤样品。我们不会使用种系或血液DNA。这些数据将与它们在不同时间的磁共振成像(MRI)结合:在诊断,治疗结束和疾病进展中。 | ||||||||
研究组/队列 |
| ||||||||
出版物 * | 不提供 | ||||||||
*包括由数据提供商提供的出版物以及Medline中临床标识符(NCT编号)的出版物。 | |||||||||
招聘信息 | |||||||||
招聘状况 | 尚未招募 | ||||||||
估计入学人数 | 100 | ||||||||
原始估计注册 | 与电流相同 | ||||||||
估计学习完成日期 | 2023年9月15日 | ||||||||
估计的初级完成日期 | 2023年2月15日(主要结果度量的最终数据收集日期) | ||||||||
资格标准 | 注册时的纳入标准
随机化
排除标准 | ||||||||
性别/性别 |
| ||||||||
年龄 | 60岁以上(成人,老年人) | ||||||||
接受健康的志愿者 | 不 | ||||||||
联系人 |
| ||||||||
列出的位置国家 | 法国 | ||||||||
删除了位置国家 | |||||||||
管理信息 | |||||||||
NCT编号 | NCT04253496 | ||||||||
其他研究ID编号 | PRTK16149 2014-002597-37(Eudract编号) | ||||||||
有数据监测委员会 | 不提供 | ||||||||
美国FDA调节的产品 |
| ||||||||
IPD共享声明 | 不提供 | ||||||||
责任方 | 援助出版-Hôpitauxde Paris | ||||||||
研究赞助商 | 援助出版-Hôpitauxde Paris | ||||||||
合作者 | 不提供 | ||||||||
调查人员 |
| ||||||||
PRS帐户 | 援助出版-Hôpitauxde Paris | ||||||||
验证日期 | 2020年1月 |