PREDICT: Pseudoexon Risk Estimation Database and In silico Clinical Testing

Baggrund

Vores gener er organiseret i introner og exoner. Introner udgør typisk 90% af en gensekvens. Det er i intronerne, at langt størstedelen af genetisk variation findes.

På trods af dette, overses introniske sygdomsfremkaldende mutationer ofte i klinisk diagnostik af genetisk sygdom, fordi det er meget svært at skelne sygdomsfremkaldende mutationer fra godartede introniske sekvensvarianter og der er ingen redskaber til at hjælpe klinikker med denne opgave.

Inklusion af de såkaldte pseudoexoner ved introniske mutationer eller sekvensvarianter er en betydelig sygdomsmekanisme, som tidligere har været stærkt undervurderet på grund af manglende viden om pseudoexoner.

Projektets formål

PREDICT projektet har til formål at udvikle en åben database (the PseudoExon Database, eller PED).

Derudover vil projektet udvikle en værktøjskasse (Clinical PseudoExon Toolkit, eller C-PET) baseret på vores seneste opdagelse om sygdomsfremkaldende inklusion af pseudoexoner.

C-PET vil gøre det muligt at analysere et enormt antal introniske varianter. Det vil i sidste ende gøre det muligt at udvikle målrettede behandlingsmetoder inden for personaliseret medicin.

PED og C-PET vil være baseret på vores seneste opdagelse om sygdomsfremkaldende inklusion af pseudoexoner.

C-PET vil være det første af sin slags værktøjer til brug hospitaler og andre diagnostiske laboratorier.

Projektets outcome

1. Udvikling af PseudoExon Database:
   udvide vores nuværende første version ad PED med flere datasets
   udvikle et program til automatisk integration af supplerende data
2. Udvikling af værktøjskasse til vurdering af det patogene potentiale af klinisk detekterede varianter samt en let tilgang til data og forespørgsel i PED for diagnosticeringscentrene.
3. Valider forudsigelserne fra C-PET og data i PED eksperimentelt

Kontakt

Arbejdspakkeleder: Brage Storstein Andersen, Professor, FRCPath., Institut for Biokemi og molekylærbiologi

Partnere

Maja Dembic, Post.doc., Institut for Biokemi og molekylærbiologi
Thomas Koed Doktor, Post.doc., Institut for Biokemi og molekylærbiologi
Fabrizio Montesi, Assistant Professor, Institut for Matematik og Datalogi