Rendszerbiológiai alapú metabolomikai, lipidomikai markerek azonosítása

A CRU Hungary Egészségügyi és Szolgáltató Kft. 228 millió Ft támogatást nyert a Kis-, közép-, és nagyvállalatok KFI tevékenységének támogatása (2018-1.1.2-KFI-2018-00202) című pályázati felhívás keretében „Rendszerbiológiai alapú metabolomikai, lipidomikai markerek azonosítása” című pályázattal. A 479 millió Ft-os összköltségvetést meghaladó projektből új technológiai rendszert fejleszt a cég.

A XXI. század elejére az emberiség felismerte, hogy az élettani folyamatok összessége, valamint a betegségek csak az élő szervezetek rendszerszintű vizsgálatával válnak értelmezhetővé. A korábbi „egy gén-egy fehérje-egy folyamat” szemléletet napjainkra felváltja a rendszerbiológiai megközelítés, amely mind az élettani folyamatokat, mind pedig a betegségeket a teljes rendszer szintjén bekövetkező, globális eseményekként definiálja. A modern rendszerbiológia eszközei az ún. „-omika” típusú megközelítések, ahol a rendszer több adott szintjén törekeszünk az összes alkotóelem jelenlétének, illetve funkciójának megismerésére. Tipikus példák a genomika, proteomika, metabolomika és a lipidomika, bár manapság több, mint 20 különböző „-omikáról” beszélhetünk. Amíg a tudományos kutatás területén a rendszerbiológiai megközelítések ténylegesen átvették az uralmat, az egészségügy jelenleg kevésbé profitál ebből a tudományos forradalomból. Élettani folyamatok jellemzésére, illetve betegségek diagnosztikájára–prognosztikájára számos -omikai megközelítés alkalmas. Gyakorlati alkalmazások szempontjából jelenleg a metabolomikai és lipidomikai megközelítések kitüntetett figyelmet kapnak. A nagyszámú egészséges, ill. beteg vérmintáiból a legmodernebb tömegspektrometriai módszerekkel nyert rendkívüli mennyiségű adatot mesterséges intelligencia módszerek segítségével is elemezzük. A hagyományos módszerek pontosságát már egy nagyságrenddel megelőzték a neurális hálókon alapuló „deep learning” rendszerek. Ezek segítségével a betegségekre jellemző új marker mintázatokat azonosítunk, továbbá az után követéses vizsgálatok révén a kóros állapotokat már a legkorábbi szakaszban tervezzük felismerni. A gépi tanulás ill. A rendszerbiológiai értelmezés elvezethet az előre jelző értékkel bíró diagnosztikán túl a kórfolyamatok jobb megértéséig, továbbá a célzott és személyre szabott terápiás lehetőségek egyre tökéletesebb meghatározásáig.

Támogatás adatlapja