Diagnostic model and assay for personalized vaccine

Projektbeschreibung

Diagnostischer Test für personalisierte Anti-Influenza-Impfstoffe

Die saisonale Grippe ist ein wichtiges globales Gesundheitsproblem, das jährlich Hunderttausende von Todesfällen verursacht. Influenza-Impfstoffe sind zwar für die Vorbeugung von entscheidender Bedeutung, ihre Wirksamkeit ist jedoch unterschiedlich, insbesondere bei immungeschwächten Patientinnen und Patienten, bei denen ein höheres Risiko für Komplikationen besteht. Frühere Forschungen haben wichtige Biomarker identifiziert, die mit der Reaktion auf den Impfstoff zusammenhängen. Vor diesem Hintergrund wird das vom Europäischen Forschungsrat finanzierte Projekt DiMoVac einen diagnostischen Test entwickeln, um spezifische Biomarker zu messen und Erkrankte auf der Grundlage ihres Ansprechens auf den Grippeimpfstoff zu kategorisieren. Im Rahmen des Projekts werden Proben aus verschiedenen Patientenkohorten zur Validierung verwendet. Nach der Validierung wird es diese Biomarker in einen schnellen, zuverlässigen Test zur Vorhersage des Ansprechens auf den Impfstoff integrieren. Dieses Projekt könnte die Wirksamkeit von Grippeimpfstoffen verbessern, die Krankheitslast verringern und Leben retten.

Ziel

Seasonal influenza poses a major global public health challenge, causing 3-5 million cases of severe illness and 290,000-650,000 deaths annually. Influenza vaccines are crucial for preventing illness, reducing severity of infection, and limiting virus transmission; however, their efficacy varies across populations due to factors such as immune status and pre-existing comorbidities. Immunocompromised patients (e.g. rheumatoid arthritis, HIV or organ transplant recipients) are particularly vulnerable to influenza and consequent complications include hospitalization and death, as their immune systems often fail to mount adequate responses to standard vaccines. Leveraging data from our previous ERC-St grant-funded studies, we analyzed the serological and multi-omics profiles of various cohorts across 5 time points over 4 influenza seasons. This analysis, covering multiple virus strains, identified robust molecular biomarkers linked to vaccine responses, which were validated through wet-lab experiments. Machine learning models based on pre-vaccination biomarkers were able to predict vaccine response in independent samples. Building on these findings, we propose to develop a diagnostic assay to measure these biomarkers and apply our established prediction model to stratify patients based on their responsiveness to the influenza vaccine. Samples from various patient cohorts, provided by our collaboration partners, will be used for verification and validation. Once validated, these biomarkers will be integrated into an innovative, fast, and reliable diagnostic test to predict vaccine responsiveness, through collaboration of an experienced industrial partner. Additionally, our team will create a user-interface app to translate biomarker measurements into diagnostic outcome. By enabling personalized vaccine strategies particularly for patients, this project has the potential to significantly improve influenza vaccine efficacy, reduce disease burden and ultimately save lives.