Proteomics for Heart disease risk prediction

Projektbeschreibung

Herzerkrankungen bei Frauen besser vorhersagen

Herzkrankheiten stellen weltweit die häufigste Todesursache dar, doch vorherzusagen, wer gefährdet ist, bleibt schwierig. Heute übliche Modelle stützen sich auf konventionelle Risikofaktoren und genetische Bewertungen, deren Genauigkeit jedoch insbesondere bei Frauen zu wünschen übrig lässt. Proteinmarker bieten eine leistungsfähige Alternative, in denen sich sowohl vererbte Merkmale als auch Umwelteinflüsse auf die Herzgesundheit widerspiegeln. Die Forschung legt nahe, dass mit der Einbindung dieser Marker in bereits vorhandene Methoden die Risikovorhersage erheblich verbessert werden könnte. Mit Unterstützung der Marie-Skłodowska-Curie-Maßnahmen nimmt sich das Team des Projekts ProtectHearts dieser Herausforderung an, wobei innovative proteinbasierte Risikobewertungen entwickelt werden. Mithilfe von maschinellem Lernen und Europas größtem, mit Biobanken verknüpftem Proteomikdatensatz werden im Rahmen des Projekts geschlechtsspezifische Modelle erstellt, anhand derer das für Frauen bestehende Risiko besser erfasst wird. Mit der verfeinerten Vorhersage von Herz-Kreislauf-Erkrankungen verfolgt das Team von ProtectHearts das Ziel, die Prävention und die klinische Versorgung zu revolutionieren und auf diesem Wege durch frühzeitigere und genauere Diagnosen Leben zu retten.

Ziel

Cardiovascular disease (CVD) remains the leading cause of death globally for men and women. State-of-the art clinical risk prediction models for CVD use conventional risk factors and polygenic scores (PGS)—a measure of an individuals’ inherited CVD risk. However, the accuracy of current models is moderate and worse in women than men. Protein markers of CVD represent an individual’s current health state and both inherited and environmental disease risk. Indeed, there is evidence that combining conventional risk factors, PGS, and protein markers of CVD may facilitate vast improvements in CVD risk prediction. Furthermore, by modelling inflammation-specific protein markers missing from sex-specific CVD risk models, ProtectHearts will specifically capture excess risk in women.

ProtectHearts will use the world’s largest population-biobank-linked proteomics datasets to 1) develop a novel protein-based risk score (ProtRS); 2) develop an inflammation-specific ProtRS (i-ProtRS); and 3) estimate the clinical utility of these scores when modelled with clinical risk scores and PGS. Cutting-edge machine learning algorithms will be used to establish target proteins for CVD prediction in 100,000 individuals across four European biobanks.

ProtectHearts brings together a physician-scientist Supervisor with proteomics expertise and a Fellow with experience modelling CVD risk prediction using PGS in biobanks. Through a secondment and non-academic placement, the Fellow will gain intersectoral experience. Activities of the training and dissemination work packages will build her competencies in machine learning, advanced statistics and science communication. ProtectHearts will engage clinicians in exploitation of the new sex-specific, comprehensive CVD risk prediction model.

ProtectHearts has the potential to move CVD risk prediction beyond state-of-the-art by improving risk prediction accuracy, specifically in women, using protein-based markers for CVD and CVD-related inflammation.