Granty
Predikace odpovědi na demetylační léčbu u pacientů s myelodysplastickým syndromem s využitím integrativní genomiky
Reg. číslo
IGA MZd NT 14377-3
Název
Predikace odpovědi na demetylační léčbu u pacientů s myelodysplastickým syndromem s využitím integrativní genomiky
Trvání
2013 – 2015
Řešitel
Spoluřešitel
Ing. Jiří Kléma, Ph.D.
Anotace
Pacientům ze střední a vysoce rizikové skupiny myelodysplastického syndromu je podávána hypometylační léčba (především azacitidin), z které pacienti významně profitují. Pouze však polovina pacientů na léčbu pozitivně reaguje. S použitím RNA a DNA mikročipů chceme sestavit genový profil, který by predikoval úspěšnost demetylační léčby. Plánujeme vyšetřovat CD34+ progenitorové hematopoetické buňky pacientů před a v průběhu léčby azacitidinem. Vytvořit celogenomové expresní (mRNA i microRNA ) a DNA metylační profily pacientů, kteří reagují či nereagují na léčbu. Všechna zjištěná experimentální data vzájemně propojit a korelovat s odpovědí na demetylační léčbu. Při vyhodnocení chceme použít klasické statistické metody a také prediktivní klasifikátory vyjadřující kauzální vztah mezi měřenými příznaky a diagnózou. V této studii bychom chtěli využít moderní metody molekulární genetiky jako nástroje pro individualizaci léčby pacientů s MDS.
XGENE.ORG – veřejný nástroj integrované analýzy transkripčních, miRNA and metylačních dat
Reg. číslo
IGA MZd NT 14539-3
Název
XGENE.ORG – veřejný nástroj integrované analýzy transkripčních, miRNA and metylačních dat
Trvání
2013 – 2015
Řešitel
Ing. Jiří Kléma, PhD., FEL, ČVUT Praha
Spoluřešitel
Anotace
Projekt významně funkčně rozšiřuje stávající podobu veřejného XGENE.ORG web nástroje s cílem umožnit kombinaci a souhrnné vyhodnocení uživatelských mRNA, miRNA a metylačních dat se současným využitím všech vhodných zdrojů strukturované genomické znalosti. Kromě nástroje budou výstupem i výsledky dosažené ve spolupráci s konkrétními pracovišti zabývajícími se myelodysplastickým syndromem a tumory zárodečných buněk. Jádrem řešení budou pokročilé algoritmy relačního strojového učení a stochastické optimalizace, statistické metody a moderní metody pro tvorbu webových aplikací. Konkrétními výstupy nástroje budou 1) biologicky snadno popsatelné vzory ve tvaru množiny nebo anotované sítě specifických příbuzných elementů typu gen, bílkovina, miRNA sekvence nebo metylační ostrůvek spojených s konkrétní charakteristickou množinou biologických vzorků a 2) prediktivní modely určující neznámý fenotyp vzorku se známými hodnotami měřitelných molekulárních markerů.