Projektbeschreibung
Wirksame Diagnostik einer seltenen Form der Demenz
Die frontotemporale Demenz ist eine seltene Erkrankung, die vor allem den Stirn- und den Schläfenlappen des Gehirns betrifft und zu Veränderungen der Kognition und des Verhaltens führt. Die Diagnostik ist jedoch schwierig, da sich die Symptome mit denen der Alzheimer-Krankheit überschneiden. Das über die Marie-Skłodowska-Curie-Maßnahmen finanzierte Projekt IR4FTD zielt darauf ab, einen diagnostischen Ansatz für die frontotemporale Demenz und die Alzheimer-Krankheit zu entwickeln, bei dem multimodale Spektroskopie und maschinelles Lernen genutzt werden. Das Team konzentriert sich nicht auf einzelne Biomarker, sondern schlägt einen ganzheitlichen Ansatz vor, bei dem die Analyse von Speichel- und Plasmaproben mittels Vibrationsspektroskopie zum Einsatz kommt. Die Forschungsgruppe hofft, mithilfe fortschrittlicher Methoden des maschinellen Lernens verborgene Trends und molekulare Marker zu entdecken, die zu einem kosteneffizienteren Diagnostikinstrument für die frontotemporale Demenz führen werden.
Ziel
The central aim of the project is to apply multimodal spectroscopy combined with machine learning to identify a fingerprint for Frontal Temporal Dementia (FTD) and Alzheimer’s disease (AD) in saliva and plasma. FTD is the second most common dementia and usually affects individuals younger than 60 years old. FTD is difficult to diagnose, since there is no single exam that determines the disease, but instead many costly or painful exams that together link the disease. Some of the symptoms of the disease may be confounding with others such as AD. While the usual search for biomarkers focuses on individual patterns, the present proposal is to use a holistic approach. Vibrational spectroscopy provides a snapshot of the entire chemical finger print in a label-free way. In this project, samples from FTD, AD, and healthy subjects of >45 years old, will be analysed using Raman, mid and near infrared spectroscopy @Monash University in Australia, and complemented with Mass Spectrometry on the same samples @ICGEB in Italy. Advanced machine learning tools provide a powerful approach for data analysis unravelling hidden trends, correlations and also identify the main contributions that characterize the type of sample. The spectra recorded using the extended wavelength range encompassing the mid-infrared and near-infrared spectral regions will be processed with state-of-the-art machine learning tools to identify the molecular phenotype and establish markers in patients with TDP and AD. These findings will pave the way to the development of a new screening tool that would decrease the costs associated with the current diagnosis of FTD and in general for neurodegenerative disorders.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- Medizin- und GesundheitswissenschaftenGrundlagenmedizinNeurologieDemenz
- NaturwissenschaftenNaturwissenschaftenOptikSpektroskopie
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Schlüsselbegriffe
Programm/Programme
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) HORIZON-MSCA-2022-PF-01
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
HORIZON-TMA-MSCA-PF-GF - HORIZON TMA MSCA Postdoctoral Fellowships - Global FellowshipsKoordinator
34149 Trieste
Italien