PERSONALIZED ONCOLOGY: INTEGRATING MULTI-OMICS DATA FOR PRECISION CANCER TREATMENT

Abstract

Kanker adalah penyakit heterogen yang responsnya terhadap pengobatan sangat bervariasi antar individu. Latar belakang penelitian ini adalah untuk mengembangkan pendekatan onkologi personal dengan mengintegrasikan data multi-omics (genomik, transkriptomik, proteomik, metabolomik) untuk memandu keputusan pengobatan kanker yang lebih presisi. Metode yang digunakan melibatkan pengumpulan sampel tumor dan darah dari pasien kanker, diikuti dengan sekuensing genom seluruh ekson (WES), sekuensing RNA (RNA-seq), spektrometri massa untuk profil protein, dan kromatografi gas-spektrometri massa untuk metabolit. Algoritma machine learning dan bioinformatika canggih digunakan untuk mengintegrasikan dan menganalisis data multi-omics ini, mengidentifikasi biomarker prediktif, jalur sinyal yang terganggu, dan target terapi yang dapat ditindaklanjuti. Hasil penelitian menunjukkan bahwa integrasi multi-omics memungkinkan identifikasi subtipe kanker yang lebih akurat, prediksi respons terapi yang lebih baik, dan penemuan target obat baru yang spesifik untuk setiap pasien. Pembahasan menekankan bahwa onkologi personal adalah masa depan pengobatan kanker, bergerak dari pendekatan one-size-fits-all ke terapi yang disesuaikan secara individual. Meskipun tantangan dalam standardisasi data dan interpretasi klinis masih ada, pendekatan ini berpotensi meningkatkan tingkat keberhasilan pengobatan dan mengurangi toksisitas, membawa harapan baru bagi pasien kanker.