AI-baserad förutsägelse av virala vektorers effekt för individanpassad cancerimmunterapi
| Diarienummer | |
| Koordinator | Nygen Analytics AB |
| Bidrag från Vinnova | 1 000 000 kronor |
| Projektets löptid | november 2025 - november 2026 |
| Status | Pågående |
| Utlysning | Fördjupade internationella samarbeten |
| Ansökningsomgång | Fördjupade samarbeten med USA, Storbritannien och Singapore inom hälsa och Life Science |
Syfte och mål
Utveckla AI-drivna modeller som möjliggör matchning av cancerpatienter med optimala virala immunterapibehandlingar. Genom att använda prekliniska tumörmodeller undersöker vi hur olika immunologiska tumörmiljöer svarar på virala vektorterapier. Nuvarande behandlingsstrategier bygger på "trial-&-error", vilket beror på att vi saknar mekanistisk insyn för hur dessa terapier fungerar. Genom att identifiera mönster som förutsäger respons etablerar vi grunder för framtida personaliserad behandlingsval
Förväntade effekter och resultat
Omfattande prekliniska data som visar hur immunterapier baserade på virala vektorer aktiverar tumörens immunmiljöer. Validerade AI-modeller som identifierar hur egenskaper i det förutvarande immunlandskapet påverkar det terapeutiska svaret. Ny förståelse för mekanismer bakom interindividuell variation som påverkar behandlingsutfall.
Planerat upplägg och genomförande
Först utvecklas prediktiva AI-modeller baserade på befintliga experimentella data från VLP Therapeutics (USA) studier av viral immunterapi. Därefter genereras nya experimentella data över olika terapeutiska "payloads" och cancermodeller för att validera och optimera modellernas prediktioner. Slutligen utarbetas en strategisk plan för klinisk translation av de prekliniska resultaten.