Projektbeschreibung
Die Interaktion zwischen Coronavirus und Wirt mit Deep Learning untersuchen
Die COVID-19-Pandemie hat uns gezeigt, wie wichtig es ist, die Interaktion des Virus mit dem Wirt zu verstehen, damit wirksame Therapeutika entwickelt werden können. Das EU-finanzierte Projekt RiPCoN wird die Interaktionen zwischen Proteinen sowie voraussichtliche Interaktionen des Proteins und der RNA zwischen dem Virus und dem Wirt analysieren und diese in ein vorhandenes Deep-Learning-Modell einspeisen. Ergebnis wird eine öffentliche Ressource für die translationale und grundlegende Forschung zum Coronavirus sein, die beim Finden von zugelassenen Medikamenten helfen wird, welche wahrscheinlich gegen SARS-CoV-2 wirken. Das Forschungsteam wird vor allem untersuchen, inwiefern genetische Veränderungen beim Menschen und dem Virus für die Schwere der Erkrankung verantwortlich sind, damit sich das Risikomanagement hoffentlich verbessern lässt und wir besser auf zukünftige Ausbrüche vorbereitet sind.
Ziel
We aim to identify approved drugs that can be repurposed for the treatment of 2019-nCoV using interactome profiling and deep-learning. We will deploy rapid high-throughput protein-protein interaction mapping and computational protein-RNA interaction predictions to chart the coronavirus host interactome network (CoHIN), which will become a public resource for translational and basic coronavirus research few months after project start. CoHIN will serve as input into an existing deep-learning model to identify approved drugs that are likely effective against 2019-nCoV, which will be validated in in vitro and in vivo systems. In the second stage we will experimentally determine the matrix of viral protein alleles vs. variants of the interacting human proteins to understand how human and viral natural variations jointly mediate disease severity in different individuals. These data will be integrated with epidemiological and human genomics data to improve risk management and improve preparedness for future coronavirus outbreaks. Overall, we aim to achieve the following objectives: - Map the protein interactome of 2019-nCoV and related Coronaviridae with their human host - Generate the allele interaction matrix and relate differences to epidemiological data - Develop a microarray-based patient screen to detect exposure to 2019-nCoV and identify immunogenic epitopes - Identify 10 approved drugs that are most likely efficient against 2019-nCoV using network integration and deep-learning - Validate drug candidates in in vitro and in vivo systems
Wissenschaftliches Gebiet
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
H2020-SC1-PHE-CORONAVIRUS-2020
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
RIA - Research and Innovation actionKoordinator
85764 Neuherberg
Deutschland