< Terug naar vorige pagina

Project

Voorspellen van faag-gastheer interacties met een gelaagde machine learning aanpak

Het doel van dit project is om een predictiemodel te ontwikkelen dat voorspelt welke fagen welke bacteriestammen kunnen infecteren in de context van infecties met antimicrobieel resistente bacteriestammen op basis van hun genomische inhoud. Het model zal gebruikt worden om faag-bacterie interacties beter te begrijpen en om faag cocktails te ontwikkelen voor faag therapie. Huidige statistische modellen hebben multi-gen systemen geïdentificeerd die gecorreleerd zijn met faag gevoeligheid. Deze multi-gen systemen omvatten CRISPR-CAS systemen in de bacteriële genomen, structurele eiwitten in de faag genomen, bacteriële membraaneiwitten en immuniteitseiwitten. Deze geïdentificeerde systemen weerspiegelen het infectieproces van de faag, van binding aan receptoren tot infectie, replicatie en verspreiding. Het model dat tijdens het project zal worden ontwikkeld, zal deze stappen in het proces omvatten. Betrouwbare- en patiëntdata zijn van cruciaal belang voor het succes van ons algorithme. Dit is nodig voor zowel de gastheer- als de faaggegevens. Daarnaast is het van belang om gensystemen te identificeren op een efficiënte en effectiefe manier. Hiervoor zullen nieuwe algoritmen worden ontwikkeld tijdens het project Tenslotte, zijn vergelijkende genomics tools zoals simultane pangenoom representaties en populatiestructuur van cruciaal belang. Bestaande tools zullen tijdens het project verder worden ontwikkeld.

Datum:1 okt 2021 →  Heden
Trefwoorden:Phage therapy, Antibiotic resistant bacteria, Phages, Phage-host interaction
Disciplines:Bio-informatica van ziekten
Project type:PhD project