Hoppa till innehåll
EN In english

Multi resolutions dynamisk mdellering av multipel skleros

Diarienummer
SB16-0011
Start- och slutdatum
170801-230531
Beviljat belopp
29 000 000 kr
Förvaltande organisation
Linköping University
Forskningsområde
Bioteknik, medicinsk teknik och teknik för livsvetenskaperna

Summary

Prospektiva pågående longitudinella studier av miljontals friska donatorer kommer snart att ge en mängd av biologiska data som syftar till tidig upptäckt av sjukdomen i ett perspektiv av personlig vård, dvs precision medicin. Ännu är systembaserade verktyg för holistiskt analysera dessa data är fortfarande ytterst begränsade och underutnyttjade. Omfattningen av detta projekt är att sätta samman befintliga systembiologiska metoder till en grovkornig generellt tillämpbar analysstrategi applicerat på med multipel skleros (MS), i syfte att belysa hur graviditet leder till en partiell förbättring av sjukdomen. Vår hypotes är att en systemsystembaserad strategi skulle kunna ge insikt i mekanismerna bakom sjukdomen remittering och styra byggandet av individanpassade dynamiska modeller av sjukdomen. Kortfattat kommer vi att integrera sjukdoms moduler med dynamisk modellering. Genom att noggrant utvärdera vilka parametrar som kan extraheras från stora tvärsnittsstudier och dynamiska modeller av friska kontroller, räknar vi med att få information om vilka parametrar måste härledas patientspecifikt för att beskriva sjukdomsprogression och sjukdomsaktivitet. Projektet förväntas avslöja specifik information om kritiska processer som är involverade i förbättring och försämring av MS, som ska användas i utvecklingen av nya terapeutiska och diagnostiska strategier.

Populärvetenskaplig beskrivning

I dag görs studier av miljontals individer runtom i världen. Dessa studier går ut på att ursprungligen friska individer vid regelbundna kontroller lämnar prover innehållande information som i efterhand kan analyseras om patienten insjuknar. Ny teknik gör det möjligt att mäta hundratusentals markörer samtidigt i vart och ett av dessa prover, samt i olika celltyper. Med hjälp av dessa data kan vi därmed söka nya sjukdomsmarkörer före att symptom faktiskt debuterar, vilket potentiellt skulle kunna leda till behandling innan patienten känner symptom. Den stora hälsomässiga vinsten i detta ligger att de flesta mediciner är effektivare desto tidigare de sätts in. Tidigare resultat kommer i mångt och mycket från att många patienter är mätta vid ett tillfälle, men eftersom samma individer repetitivt nu följs kan man också dra slutsatser av personspecifika mekanismer, och därmed inleda en tidig personspecifik behandling. Ett problem med dessa data är att markörers signaler troligen är subtila före symptomdebut och riskerar att drunkna i de stora datamängderna och att många vanliga sjukdomar är komplexa, dvs det är kombinationer av hundratals gener och miljöfaktorer som samverkar, och detta sker på flera olika sett för en och samma sjukdom. För att ta hänsyn till detta behövs systembiologiska ansatser som utgår från att helheten är större än delarna och modeller för att studera gradvis symptompåslag. För att göra detta kommer vi använda den autoimmuna sjukdomen multipel skleros (MS) och graviditet som modeller för symptompåslag. MS har återkommande perioder utan symptom följt av allvarliga symptom. Graviditet leder till en gradvis förbättring av sjukdomen, följt av en försämring. Dessa dynamiska data kommer att vägas samman med detaljerade experimentella studier av vad som dynamiskt händer när asymtomatiska patienters celler stimuleras på ett sjukdomslikt sett. Genom att noggrant utvärdera vilka parametrar som kan extraheras från stora tvärsnittsstudier och dynamiska modeller av friska kontroller, räknar vi med att få information om vilka parametrar måste härledas patientspecifikt för att beskriva sjukdomsprogression och sjukdomsaktivitet. Den aktuella forskargruppen har tidigare framgångsrikt visat på denna möjlighet och publicerat i högt ansedda tidskrifter, såsom Cell Reports, Science Translational Medicine och Nature Genetics. Vidare kommer vi skapa matematiska och patientspecifika modeller för hur graviditetshormoner förändrar MS patienters celler.