Kanker is een probleem van het DNA. Genetisch onderzoek is daarom van essentieel belang om kanker beter te kunnen begrijpen en aan te pakken. Zo kunnen genetische eigenschappen van tumoren gebruikt worden als 'biomarkers': je kunt het gebruiken voor de diagnose, en ook om te voorspellen hoe succesvol verschillende behandelingen zullen zijn.

Een probleem bij het zoeken naar biomarkers is dat moleculaire data veel informatie bevat. Bij de speurtocht naar nieuwe biomarkers moeten vele genetische gegevens van het liefst zo veel mogelijk patiënten worden geanalyseerd. Daarnaast kunnen allerlei andere gegevens, zoals die van proeven met tumoren in laboratoria, ook van belang zijn. Computationeel bioloog Lodewyk Wessels gaat in samenwerking met statisticus Mark van der Wiel, Marcel Reinders en Marco Loog  van de TU Delft nieuwe methodes ontwikkelen om met deze grote datasets om te gaan. Hierbij maken ze gebruik van technieken uit machine learning en statistiek. Met hun TOP subsidie gaan zij deze technieken inzetten om op zoek te gaan naar biomarkers die belangrijk zijn voor de vroege diagnose van orale kankers en baarmoederhalskanker. Ook gaat zij zoeken naar biomarkers die het succes van verschillende soorten behandelingen bij borstkanker en darmkanker voorspellen.

Omdat kanker niet alleen kan ontstaan doordat er een fout in bepaalde genen is geslopen, maar ook door fouten in de enhancer-gebieden die genen reguleren, zal het onderzoek erop gericht zijn om dit soort enhancers op te sporen bij twee hormonale typen kanker - hormonale borstkanker en prostaatkanker. De onderzoekers gaan kijken welke enhancers een cruciale rol spelen bij de tumorgroei en bij resistentie tegen behandeling. Op termijn moet dit leiden tot het verbeteren van de diagnose van de tumoren en tot nog nauwkeurigere behandeling op maat.