Descrizione del progetto
Applicare l’apprendimento profondo per esaminare l’interazione coronavirus-ospite
La pandemia di COVID-19 ci ha insegnato che è necessario comprendere l’interazione del virus con l’ospite al fine di progettare una terapia efficace. Il progetto RiPCoN, finanziato dall’UE, analizzerà le previsioni sulle interazioni proteina-proteina e proteina-RNA tra il virus e l’ospite e immetterà queste informazioni in un modello esistente di apprendimento profondo. Ciò genererà una risorsa pubblica per la ricerca traslazionale e di base sul coronavirus e contribuirà a identificare i farmaci approvati che sono probabilmente efficaci contro il 2019-nCoV. Soprattutto, gli scienziati esamineranno il modo in cui le variazioni genetiche sono congiuntamente responsabili della gravità della malattia sia negli esseri umani che nel virus, sperando di migliorare la gestione dei rischi e la preparazione per epidemie future.
Obiettivo
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
Campo scientifico
Parole chiave
Programma(i)
Argomento(i)
Meccanismo di finanziamento
RIA - Research and Innovation actionCoordinatore
85764 Neuherberg
Germania