Rechercher
Close this search box.
Myalgic Encephalomyelitis / Chronic Fatigue Syndrome (ME / CFS) Post Treatment Lyme Disease Syndrome (PTLDS), Fibromyalgia Leading Research. Delivering Hope.Open Medicine Foundation® Canada

Logiciel de détermination des valeurs aberrantes et des sous-types biologiques pour l'encéphalomyélite myalgique

Ce projet vise à développer un outil logiciel permettant de rechercher rapidement les anomalies du métabolisme d’un individu qui pourraient être expliquées par ses gènes. Il recherchera également les gènes potentiellement endommagés chez les individus et tentera de regrouper les patients atteints d’EM/SFC en fonction de leur profil génétique et métabolique.
  • Christopher Armstrong, PhD

  • Katherine Huang

  • Neil McGregor, PhD

  • L’optimisation de la méthode est terminée et une revue systématique compilant les flux de travail métabolomiques RMN utilisés dans la littérature a été publiée (cliquez ici).
  • La demande de données de la biobanque britannique (UKB, UK Biobank) a été acceptée.
  • Nous soumettons et rédigeons actuellement des articles sur les données métaboliques de l’UKB afin d’identifier des biomarqueurs potentiels entre l’EM/SFC et les personnes en bonne santé et les comorbidités.
HYPOTHÈSE ET DESCRIPTION DE L'ÉTUDE
L’outil d’analyse sera développé à partir des données préexistantes sur les gènes et le métabolisme de la UK Biobank provenant de plus de 1000 patients atteints d’EM/SFC se déclarant eux-mêmes comme malades. Les résultats de ces données seront ensuite validés sur les données génétiques et métaboliques que nous produisons nous-mêmes à partir du sang de 300 malades atteints d’EM/SFC recrutés par la biobanque australienne de l’EM/SFC. Cet outil sera important pour comprendre la complexité de la personne atteinte d’EM/SFC et pourrait fournir des indices sur des diagnostics potentiellement manqués.
OBJECTIFS

Plusieurs graphiques colorés sur papier

  1. Observe the relationship between genes and metabolism to identify outlier genetic anomalies and pathways in ME/CFS.
  2. Determine the relationship between metabolism and genes in ME/CFS as compared to other similar diseases.
  3. Develop an algorithm to rapidly extract outlier and pattern pathways of disease.
  4. Test and validate algorithm produced on a well-curated set of ME/CFS patients with metabolism and gene data.
  5. Eventually produce software to simplify this process.