Nowe narzędzie zapewnia nowatorskie markery diagnostyczne

12 sty 2011 r.

sxc.hu

Nowe techniki opracowane przez naukowców, których prace są finansowane ze środków unijnych, mogą pomóc w szybkiej analizie medycznych baz danych w celu zidentyfikowania markerów genetycznych i opracowania zindywidualizowanych leków dla alergików.

Naukowcy z Akademii Sahlgrenska i Uniwersytetu w Gothenburgu w Szwecji twierdzą, że te nowatorskie metody mogą również przyczynić się do zmniejszenia liczby zwierząt wykorzystywanych w testach klinicznych. 

Wyniki badań zaprezentowane w czasopiśmie PLoS Computational Biology stanowią dorobek dwóch projektów finansowanych ze środków unijnych: COMPLEXDIS (Wyjaśnianie skomplikowanych chorób za pomocą teorii złożoności - od sieci do łóżka chorego) i MULTIMOD (Wielowarstwowe moduły sieciowe do identyfikacji markerów na potrzeby zindywidualizowanych leków w skomplikowanych chorobach). 

Projekt COMPLEXDIS otrzymał 1,81 mln EUR z tematu "Nowe i pojawiające się nauki i technologie" (NEST) Szóstego Programu Ramowego (6PR), a projekt MULTIMOD uzyskał wsparcie w kwocie 2,53 mln EUR z tematu "Zdrowie" Siódmego Programu Ramowego (7PR). 

Zespół wskazuje, że przeprowadzone prace posuwają naprzód analizowanie danych zgromadzonych w medycznych bazach danych zarejestrowanych w bazie PubMed, która zawiera wyniki badań wielu chorych oraz dane z mikromacierzy innej, dużej bazy danych. Naukowcy wykorzystują mikromacierze, ponieważ umożliwiają one przeprowadzenie jednoczesnej oceny wszystkich 20.000 genów człowieka pod kątem różnych chorób. 

Badacze z Norwegii, Szwecji i Włoch opracowali metody obliczeniowe do ustalania, jak układ immunologiczny organizmu jest kontrolowany przez zmianę w interakcji między różnymi genami w limfocytach (rodzaj białych krwinek). Analiza 18 milionów streszczeń artykułów zamieszczonych w bazie PubMed dostarczyła naukowcom informacji niezbędnych do zidentyfikowania genów, które z kolei pomogły im opracować model sieci interakcji między tymi genami. 

"Model można porównać do płytki drukowanej z obwodem w limfocycie, który komórka wykorzystuje do podejmowania decyzji o aktywowaniu lub stłumieniu układu immunologicznego" - wyjaśnia jeden z autorów raportu z badań, dr Mikael Benson z Jednostki Biologii Systemów Klinicznych Akademii Sahlgrenska oraz pracownik Queen Silvia Children's Hospital. 

"Te decyzje są podejmowane nieustannie, ponieważ limfocyty są stale wystawione na działanie różnych cząstek, choćby na przykład w czasie oddychania. Niektóre z cząstek mogą być niebezpieczne i wymagają podjęcia decyzji o mobilizacji układu immunologicznego. Jednakże czasami podejmowane są błędne decyzje, które mogą doprowadzić do rozmaitych zaburzeń, takich jak alergia czy cukrzyca." 

Zespół przeprowadził symulacje danych, aby ustalić, w jaki sposób model sieci zareagował na powtarzającą się ekspozycję na cząstki. Naukowcy stwierdzili, że pojawiły się cztery schematy reakcji, a mianowicie jedna tłumiąca aktywność układu immunologicznego i trzy aktywujące go na różne sposoby. 

"Odkryliśmy, że geny modelu zareagowały w limfocytach pacjentów cierpiących na różne choroby immunologiczne" - mówi dr Benson. "Będziemy wykorzystywać model do identyfikacji markerów diagnostycznych, aby zindywidualizować leki testowane w ramach badań klinicznych alergików." 

Naukowiec z Akademii Sahlgrenska przewiduje, że metody te odegrają kluczową rolę w przyszłych badaniach, w szczególności zważywszy na rosnącą ilość informacji w medycznych bazach danych. "Metody te mogą ograniczyć konieczność prowadzenia testów na zwierzętach i pomóc oszczędzić sporo czasu i pieniędzy" - podsumowuje dr Benson. "Mogą również oznaczać szybsze i lepiej opracowane doświadczenia, których wyniki mogą przynieść nowe informacje na temat markerów diagnostycznych czy nowych leków."

Więcej informacji: 
Uniwersytet w Gothenburgu: 
http://www.gu.se/english 
PLoS Computational Biology: 
http://www.ploscompbiol.org/home.action 
Projekt MULTIMOD: 
http://www.multimod-project.eu/index.html 
Projekt COMPLEXDIS: 
http://www.complexdis.org.gu.se/

 

Źródło danych: PLoS Computational Biology; Uniwersytet w Gothenburgu 
Referencje dokumentu: Pedicini, M., et al. (2010) Combining network modeling and gene expression microarray analysis to explore the dynamics of Th1 and Th2 cell regulation. PLoS Computational Biology, publikacja z dnia 16 grudnia. DOI: 10.1371/journal.pcbi.10010 


comments powered by Disqus

Nasz serwis używa cookies. Korzystanie z serwisu bez zmiany ustawień Twojej przeglądarki oznacza, że będą one umieszczane w Twoim urządzeniu końcowym i że wyrażasz zgodę na ich używanie. Pamiętaj, że zawsze możesz zmienić te ustawienia w swojej przeglądarce. Więcej o plikach cookies w Polityce prywatności

PUBLIC !!