Proteoformkartläggning och kunskapsgrafsystem - PEAKS
- Diarienummer
- ITM24-0219
- Projektledare
- Johansson, Henrik
- Start- och slutdatum
- 260101-281231
- Beviljat belopp
- 9 999 977 kr
- Förvaltande organisation
- Karolinska Institutet
- Forskningsområde
- Bioteknik, medicinsk teknik och teknik för livsvetenskaperna
Summary
Proteiner skapar molekylära fenotyper som driver biologi, sjukdomar och är viktiga läkemedelsmål. När nuvarande gencentrerade masspektrometri (MS) metoder för proteomstudier används så missar vi proteiners funktionella komplexitet och förbiser proteoformer (splicing/PTM-varianter). Hundratusentals proteoformer reduceras till 20 000 gener, vilket döljer deras fenotypiska påverkan. Vi avser utveckla proteoformcentrerad kvantitativ MS-dataanalys. Genom maskininlärning och topologiska modeller identifieras proteoformer från djup, underutnyttjad peptiddata i modern MS (Astral, timsTOF), validerat med long-read RNA-seq. En AI-berikad proteoform- och peptidcentrerad kunskapsgraf skapas för funktionell tolkning. Metoderna identifierar nyckelpeptider för proteoformfunktionsanalys och möjliggör core facilitetstjänster med riktad MS (PRM). Högupplöst PRM säkerställer känslig detektion av proteoformspecifika peptider. Övergången till proteoformcentrerad analys förfinar biologi- och sjukdomsforskning, påskyndar läkemedels-/biomarkörutveckling och driver proteoformbaserad precisionsmedicin. Genom att avslöja sjukdomsrelevanta proteoformer kan detta leda till mer riktade terapier, minskade vårdkostnader och maximerat värde av proteomikdatan.
Populärvetenskaplig beskrivning
Proteomik är ett snabbt växande fält inom biomedicinsk forskning som öppnar upp för genombrott i vår förståelse av biologi och sjukdomar. Detta projekt föreslår ett skifte från traditionella gen-centrerade metoder till ett fokus på proteoformer. Denna strategi fångar proteinernas verkliga funktionella komplexitet. Genfokuserade metoder ger ofta inte en fullständig bild av hur proteiner fungerar i hälsa och sjukdom. Proteoformer, distinkta molekylära varianter av proteiner, ger en mer exakt bild av biologiska processer. Genom att utveckla nya metoder för att studera proteoformer, syftar projektet till att: Förbättra förståelsen av molekylära fenotyper och sjukdomsmekanismer. Påskynda läkemedelsupptäckt och utveckling av biomarkörer för mer målinriktad behandling. Förbättra precisionsmedicinen genom att möjliggöra en bättre matchning mellan patient och behandling för optimal effekt. Minska sjukvårdskostnader genom tidigare och mer exakta diagnoser. För att förbättra nuvarande praxis kommer projektet att: Gå bortom genuttrycksdata och leverera detaljerade proteoformprofiler som bättre speglar sjukdomsaktivitet. Utveckla nya analytiska metoder för att avslöja tidigare dolda insikter i proteomikdata. Etablera robusta metoder för proteoformidentifiering för rutinmässig klinisk användning.Integrera AI-verktyg för effektiv analys av komplexa omics-data. Genom att främja proteoformanalys har projektet som mål att revolutionera diagnostiken, attrahera kliniska prövningar till Sverige och driva innovation inom personlig hälso- och sjukvård.