Reclassificatie in niertransplantatie met integratie van omics technieken

Niertransplantatie is de optimale behandeling voor patiënten met terminale nierziekte omdat het de kwaliteit van leven, sociaaleconomische rehabilitatie en gezondheid verbetert in vergelijking met dialyse. Minder dan 1/3 of patiënten met eind-stadium nierfalen leven met een functionerende transplantnier, vanwege een tekort aan organen en een beperkte transplantaatoverleving. De uitdaging is om de transplantaatoverleving te verlengen, maar tijdige herkenning en betrouwbare diagnose van de multi-factoriële oorzaken van transplantaatschade is moeilijk. Met de huidige zorgstandaarden (monitoring van transplantnierfunctie en het uitvoeren van  biopsies bij dysfunctie), worden problemen van de transplantnier te laat ontdekt. Ook laat de histologische evaluatie van biopsiemateriaal in veel gevallen niet toe om een duidelijke diagnose te stellen. Omics-benaderingen hebben onderzocht hoe moleculaire merkers voor verschillende schadelijke processen te definiëren, en hoe de onderliggende pathomechanismen te ontcijferen. Echter ontbreekt op dit ogenblik verdere validatie en implementatie in de klinische praktijk. Met twee grote lopende onderzoeken zullen we begin 2018 beschikken over een repository van> 2000 patiënten, met klinische, histologische en moleculaire gegevens van verschillende omics-platforms (mRNA, miRNA, eiwitten, peptiden in urine en bloed). Voor dit project integreren we alle gegevens in één database. We zullen moleculaire merkers voor de meest relevante ziekte-entiteiten van transplantnieren vaststellen en vooral valideren. Met behulp van systeembiologische benaderingen, zullen prototypische en overlappende immuun- en niet-immuun pathways worden gereconstrueerd en gemodelleerd, opnieuw op basis van omics-gegevens. Gereconstrueerde pathways zullen vervolgens worden geïntegreerd als voorafgaande informatie in een state-of-the-art Bayesiaans mechanisch leerkader om de entiteiten opnieuw te classificeren en vooral om gevallen te classificeren die minder goed worden gedefinieerd door histologie. Daarnaast creëren we ook dynamische modellen om voorspellingen te maken vanuit de evolutie van transplantnierfunctie, respons op behandeling, remissie of progressie van de ziekteprocessen. Deze aanpak verfijnt de huidige normen voor diagnostiek na niertransplantatie, verhoogt de diagnostische nauwkeurigheid, verbetert het begrip van de complexiteit en pathomechanismen van transplantnierdysfunctie en helpt tenslotte een expert platform te bouwen op basis van niet-invasieve markers voor geïndividualiseerde voorspelling en medische besluitvorming.