In dit project ontwikkelen we statistische data-integratiemodellen voor omics-datasets van verschillende biologische materialen om genen en eiwitten te identificeren die betrokken zijn bij de ziekte van Parkinson. Met de gevonden genen en eiwitten zullen potentiële medicijnen geïdentificeerd worden.
Eerder gegenereerde datasets
De aggregatie van het eiwit alfa-synucleïne in neuronen en oligodendrocyten in de hersenen leidt tot een groep neurodegeneratieve ziekten die bekend staan als synucleinopathieën, waaronder de ziekte van Parkinson, dementie met Lewy-lichaampjes en multisysteematrofie. In voorbereidende projecten heeft het team al uitgebreide datasets gegenereerd van patiënt-afgeleide materialen (genoomwijde associatiestudies, epigenoomwijde DNA-methyleringsstudies, RNA-sequencing in MSA en PD) en celmodellen (DNA-methylome, miRnome, transcriptome, proteome).
SynOD-project
In het SynOD-project zullen we deze unieke grote omics-datasets integreren en analyseren met behulp van geavanceerde computationele methoden om een uitgebreide kaart te maken van de moleculaire pathways die betrokken zijn bij synucleinopathieën, met een bijzondere focus op het identificeren van medicijnverbindingen.
Bij Radboud
Bij Radboud ontwikkelen we partial least squares (PLS) modellen om verschillende datasets te integreren over verschillende moleculaire niveaus en materialen. Deze PLS-modellen omvatten latente componenten die gezamenlijke, dataset-specifieke en materiaal-specifieke deelruimtes vertegenwoordigen. De genen die het meest bijdragen aan de gezamenlijke componenten zullen verder worden onderzocht met behulp van functionele netwerken om potentiële medicijnverbindingen te identificeren, wat de weg vrijmaakt voor nieuwe therapeutische strategieën.
