Bayesian analysis for proteomic drug discovery
- Reference number
- SM24-0044
- Project leader
- Jansson, Erik
- Start and end dates
- 250101-260630
- Amount granted
- 1 401 124 SEK
- Administrative organization
- Uppsala University
- Research area
- Life Science Technology
Summary
In collaboration between Erik Jansson at Uppsala University, and Daniel Martinez Molina and Laurence Arnold at Pelago Biosciences AB, this project aims to enhance the understanding of complex molecular information obtained from proteomic experiments. The volume of proteomic data generated through modern mass spectrometry is beyond the capacity of molecular biologists to fully interpret without computational assistance. This project addresses the need for advanced bioinformatic tools that can guide the interpretation of these complex datasets. By applying probabilistic machine learning models, we will leverage Pelago’s extensive in-house proteomic data to develop computational tools that enhance the predictability of potential drug candidates during pharmaceutical discovery. This will strengthen Pelago’s capabilities in analyzing large-scale proteomic data, helping to uncover new applications and identify the need for validation assays. The project will also employ pathway analysis to connect relational information within the data, deepening our understanding of drug-target interactions. A key objective is to identify potential off-target effects, which will lead to improved drug design and the development of safer, more effective therapeutics. Beyond the immediate benefits, this collaboration is expected to result in new patents, publications, and tools that will support future drug discovery efforts.
Popular science description
I samarbete mellan Uppsala universitet och Pelago Biosciences AB syftar detta projekt till att öka förståelsen för hur läkemedel påverkar kroppens proteiner på molekylär nivå. Proteiner är kroppens byggstenar, och många läkemedel verkar genom att binda till specifika proteiner och påverka deras funktion. Med modern teknik som masspektrometri kan vi idag generera enorma mängder data om hur dessa interaktioner sker, men mängden information är så stor att det är svårt att tolka utan avancerade dataverktyg. Projektet kommer att utveckla nya bioinformatiska verktyg för att analysera dessa stora datamängder. Genom att använda maskininlärning och statistiska modeller kan vi hitta mönster och förstå mer om hur läkemedel fungerar, vilka biverkningar de kan ha och hur de kan förbättras. Ett av de centrala målen är att identifiera så kallade "off-target"-effekter, där läkemedlet påverkar andra proteiner än de som är tänkta, vilket kan leda till biverkningar. Genom att få bättre insikt i dessa effekter kan vi designa säkrare och mer effektiva läkemedel. För Pelago Biosciences, som specialiserar sig på att analysera proteiner för läkemedelsutveckling, kommer projektet att bidra till att förbättra deras analysmetoder och stärka deras konkurrenskraft inom läkemedelsindustrin. De nya verktygen kommer också att kunna användas av forskare inom akademin för att utforska biologiska processer på djupare nivå. Projektet kommer även att stärka Uppsala universitet genom att ge forskare tillgång till storskaliga dataset från proteomikforskning. Samarbetet med industrin kommer att bredda universitetets nätverk och öka möjligheterna för framtida forskningsprojekt. De nya verktygen och insikterna som utvecklas i projektet kommer att gynna forskningen vid universitetet och öka dess konkurrenskraft inom bioteknik och läkemedelsforskning. På längre sikt kan detta leda till fler vetenskapliga publikationer, forskningsgenombrott och samarbeten med industrin, vilket ytterligare stärker Uppsala universitets position som ett ledande forskningscentrum. Sammantaget kommer detta projekt att bidra till utvecklingen av säkrare läkemedel, bättre analysmetoder och ökad förståelse för hur läkemedel påverkar kroppen. Resultaten kan leda till nya forskningsgenombrott, förbättrad läkemedelsdesign och stärka Sveriges position inom den globala bioteknik- och läkemedelsindustrin.