Descrizione del progetto
Microbioma intestinale: indicatore di infezioni ricorrenti
Le infezioni ricorrenti del tratto urinario colpiscono molte donne nel corso della loro vita e sono spesso causate da batteri che risiedono nell’intestino. Pertanto, il microbioma intestinale può servire come indicatore di infezioni ricorrenti e di resistenza agli antibiotici. Finanziato dal Consiglio europeo della ricerca, il progetto OUTSMART-infection si propone di intraprendere un’analisi fenotipica e genomica dei microbiomi intestinali dei pazienti. Con l’ausilio dell’apprendimento automatico, i ricercatori si propongono di sviluppare un modello di infettività che possa essere utilizzato per progettare il trattamento ed evitare l’insorgenza di resistenze. Inoltre, il progetto verificherà se la manipolazione del microbioma intestinale con antibiotici specifici possa prevenire le infezioni ricorrenti.
Obiettivo
Antibiotics are a double-edged sword: they help clear the current infection, yet can also select for resistant pathogens, making future infections harder to treat. While treatment guidelines recognize this collateral damage, we currently lack strategies to predict how treatments affect future recurrence and resistance at the individual patient level. This problem is of particular importance in Urinary Tract Infections (UTIs); affecting the majority of women over their lifetime, UTIs can chronically recur despite antimicrobial treatment. Importantly, UTIs are often self-seeded by strains residing in the gut microbiome, suggesting that the gut microbiome may provide means to predict current and future infections and could possibly even be manipulated to minimize infections. Here, we propose an interdisciplinary approach combining high-throughput phenotyping and genomics of same-patient gut-microbiome and UTI samples with machine-learning analysis of clinical records, towards a look-ahead treatment strategy for recurrent infections. First, we will use whole-genome and meta-genome approaches to sensitively detect infecting strains within the patients microbiome and develop a gene-based model for the infectivity of strains and thereby for the likely infecting agent and resistance profile of infection. Second, we will use long-read sequencing to map genetic linkage among resistances in each patients microbiome, enabling the development of a reinforcement machine-learning model to assign treatments that minimize both the risk of treatment failure and of future resistance. Finally, quantifying in vivo and in vitro the impacts of antibiotic intake on microbiome composition, we will test the feasibility of prescribing antibiotics that manipulate the microbiome in favor of less infectious strains. Together, this unique research-to-clinic data-rich approach will establish the basic foundations for a microbiome-based paradigm of look-ahead treatment strategies.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP.
- scienze naturaliscienze biologichegenetica
- scienze mediche e della salutemedicina di basefarmacologia e farmaciafarmaciantibiotici
- scienze naturaliscienze biologichemicrobiologia
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Parole chiave
Programma(i)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Argomento(i)
Meccanismo di finanziamento
HORIZON-ERC - HORIZON ERC GrantsIstituzione ospitante
32000 Haifa
Israele