Opis projektu
Badanie oddziaływań pomiędzy koronawirusem i gospodarzem dzięki uczeniu głębokiemu
Pandemia COVID-19 uświadomiła nam, jak duże znaczenie dla biotechnologów projektujących skuteczne leki ma zrozumienie oddziaływań wirusa z gospodarzem. Uczestnicy finansowanego ze środków UE projektu RiPCoN poddadzą analizie rzeczywiste oraz przewidywane oddziaływania zachodzące w układzie wirus–gospodarz pomiędzy białkami oraz białkiem i RNA, a następnie wprowadzą otrzymane informacje do modeli uczenia głębokiego. Utworzona w ten sposób publiczna baza będzie mogła posłużyć do badań translacyjnych i podstawowych nad koronawirusem, a ponadto pomoże w zidentyfikowaniu leków już dopuszczonych do obrotu, które mogą okazać się skuteczne również przeciwko koronawirusowi 2019-nCoV. Co zaś istotniejsze, naukowcy zbadają, w jaki sposób warianty genetyczne występujące zarówno u ludzi, jak i u wirusa wpływają na przebieg choroby, by na tej podstawie poprawić zarządzanie ryzykiem i zwiększyć gotowość na wypadek przyszłych epidemii.
Cel
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
Dziedzina nauki
Słowa kluczowe
Program(-y)
Zaproszenie do składania wniosków
H2020-SC1-PHE-CORONAVIRUS-2020
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
RIA - Research and Innovation actionKoordynator
85764 Neuherberg
Niemcy