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

Recherche sur l'encéphalomyélite myalgique / le syndrome de fatigue chronique (EM / SFC), le syndrome post-traitement de la maladie de Lyme (PTLDS), la fibromyalgie et le syndrome post-COVID .

Médecine de réseau pour les mécanismes et les traitements des maladies

L’objectif de ce projet est d’utiliser l’intégration des données et l’analyse des réseaux pour découvrir les mécanismes des maladies et les traitements potentiels.

  • Wenzhong Xiao, PhD
  • Chia-Jung Chang, PhD
  • Gonghua Li, PhD
  • Joshua Dibble, Ph.D.
Description de la technologie

Les réseaux basés sur la connaissance des maladies reflètent la compréhension actuelle des maladies entre les phénotypes/symptômes cliniques, les médicaments, les génotypes et d’autres interactions moléculaires.

En appliquant les réseaux de connaissances biomédicales pour intégrer les phénotypes cliniques et les signatures moléculaires de l’EM/SFC, nous espérons découvrir des modules de gènes pathologiques et classer par ordre de priorité les médicaments candidats à la réorientation pour soulager les symptômes et la progression de la maladie.

DÉROULEMENT DE L'ÉTUDE

Deux chercheurs dans un laboratoire regardent des écrans d'ordinateur

  1. Développer une base de connaissances sur les études et la carte gène-maladie-symptôme de l’EM/SFC accessible à la communauté des chercheurs par l’intermédiaire du Centre de données sur l’EM/SFC.
  2. Mener une méthode de réseaux hétérogènes d’apprentissage profond/ deep-learning pour la médecine de réseau (MINDR) afin de découvrir des modules de maladie et d’identifier des cibles médicamenteuses.
  3. Grâce à l’analyse informatique, identifier les modules moléculaires sous-jacents à l’EM/SFC et prioriser les molécules de médicaments in silico pour le repositionnement dans l’EM/SFC.
  4. Valider les meilleurs candidats par l’évaluation de leurs effets rapportés dans des données de patients en situation réelle et recommander au moins deux médicaments comme candidats pour des essais cliniques pilotes.

Médecine de réseau fondée sur les connaissances

  • Établir une base de connaissances cliniques pour l’EM/SFC et les maladies connexes.
  • Développer un système de graphe de connaissances cliniques pour intégrer les données sur les maladies et les données omiques.
  • Recueillir les données omiques, y compris les profils génétiques, d’expression génétique, protéomiques et métabolomiques.
  • Collecter des événements de cooccurrence, tels que le diagnostic, les tests de laboratoire, les médicaments et les procédures.
  • Collecter des relations maladie-symptôme pour les symptômes liés à l’EM/SFC, par exemple le MPE et l’intolérance orthostatique.
  • Construire un outil informatique pour former des modèles basés sur la connaissance pour la prédiction des modules de gènes de la maladie sur un cluster de calcul à haute performance.
  • Utiliser des modèles fondés sur la connaissance pour représenter les médicaments candidats pour l’EM/SFC et les maladies apparentées en vue de la modélisation de leurs mécanismes.

 

Modélisation des dysfonctionnements métaboliques par la biologie des systèmes

Nous avons développé des modèles métaboliques au niveau des systèmes pour les tissus humains infectés par des virus afin de comprendre les dysfonctionnements métaboliques induits par les virus et d’identifier de nouveaux traitements potentiels.

En collaboration avec des cliniciens du MGH, nous avons identifié des candidats à l’auto-immunité pour des recherches plus approfondies.