< Terug naar vorige pagina

Project

Ontwikkeling van nieuwe methoden voor het voorspellen van het drug resistentie fenotype van Mycobacterium tuberculosis varianten.

Jaarlijks ontwikkelen 10 miljoen mensen tuberculose en sterven 1,7 miljoen mensen als gevolg van de ziekte. Ongeveer 600 000 van deze nieuwe gevallen zijn resistent aan rifampicine, een belangrijke eerstelijns drug. Drug resistente tuberculose vormt een groot probleem voor de volksgezondheid wereldwijd. Whole Genome Sequencing is een innovatieve methode om drug resistentie te detecteren. De huidige tools om drug resistentie te detecteren kunnen echter het drug resistentie profiel achterhalen op basis van slechts enkele van de in totaal 2000 genetische varianten die geassocieerd worden met resistentie. Tegen het einde van 2018 zal de WHO de fluoroquinolones en bedaquiline naar voor schuiven als twee van de drie core drugs voor behandeling van rifampicine resistente tuberculose. Terwijl de fluoroquinolones een goed bestudeerde klasse van antibiotica zijn, is bedaquiline een nieuwe drug. Bijgevolg is de beschikbaarheid van genotype-phenotype data voor bedaquiline gelimiteerd en zijn geen genetische mutaties statistisch gecorreleerd met bedaquiline resistentie. Nieuwe tools om drug resistentie te voorspellen zijn nodig om optimaal klinisch gebruik te maken van Whole Genome Sequencing. In dit project worden 2 nieuwe methodes ontwikkeld om drug resistentie van Myobacterium tuberculose te voorspellen. Bij de eerste methode wordt pattern mining toegepast om veranderingen in de drug target bindingssite als resistentie mechanisme te valideren door modelleren van de drug-drug target interactie. In de tweede methode worden regulatorische resistentie mechanismen, zoals opregulatie van drug efflux pompen, gevalideerd door modelleren van transcriptionele verandingen veroorzaakt door genetische mutaties.
Datum:1 jan 2019 →  31 dec 2022
Trefwoorden:RESISTENTIE TEGEN GENEESMIDDELEN
Disciplines:Computationele biomodellering en machine learning
Project type:Samenwerkingsproject