Descripción del proyecto
Aplicación del aprendizaje profundo para investigar la interacción entre el coronavirus y el huésped
La pandemia de la COVID-19 nos ha enseñado que es necesario comprender la interacción del virus con el hospedador para poder diseñar productos terapéuticos eficaces. El proyecto financiado con fondos europeos RiPCoN analizará las interaciones entre proteínas y las predicciones de interacción proteína-ARN entre el virus y el hospedador, e introducirá esta información en un modelo de aprendizaje profundo ya existente. Esto generará un recuro público para la investigación traslacional y fundamental sobre el coronavirus, además de ayudar a identificar fármacos ya aprobados que puedan ser eficaces contra la COVID-19. Por otra parte, los científicos analizarán la manera en que las variaciones genéticas en humanos y el virus son responsables de forma conjunta de la gravedad de la enfermedad, con el objetivo de mejorar la gestión del riesgo y la preparación para futuros brotes.
Objetivo
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
Ámbito científico
Palabras clave
Programa(s)
Convocatoria de propuestas
H2020-SC1-PHE-CORONAVIRUS-2020
Consulte otros proyectos de esta convocatoriaRégimen de financiación
RIA - Research and Innovation actionCoordinador
85764 Neuherberg
Alemania