Description du projet
Remettre en question les limites des approches classiques des facteurs de risque
Les maladies cardiovasculaires (MCV) restent un défi majeur pour la santé mondiale, et la compréhension de leurs mécanismes sous-jacents complexes s’est avérée difficile. Cependant, les récents développements dans le domaine de l’épigénétique et l’utilisation des mégadonnées ont ouvert des possibilités passionnantes pour découvrir des informations essentielles. Plus précisément, les mécanismes épigénétiques impliquant des changements dans la méthylation de l’ADN ont été impliqués dans la régulation des processus biologiques liés au développement des maladies cardiovasculaires. Avec le soutien du programme Actions Marie Skłodowska-Curie, le projet EpiBigDatainWomen entend tirer parti de la puissance de l’analyse des mégadonnées pour combler le fossé entre les facteurs environnementaux et de mode de vie et les MCV chez les femmes. En intégrant de vastes quantités de données individualisées à des techniques de pointe en science des données, les chercheurs espèrent révolutionner les stratégies de prédiction et de prévention des MCV.
Objectif
Epigenetic mechanisms might be involved in linking environmental and lifestyle factors and CVD development. Several studies suggest that changes in DNA methylation contribute to the regulation of biological processes underlying CVD, such as atherosclerosis, hypertension and inflammation. The recent increased digitalization, collection and storage of vast quantities of data in combination with advances in data science, has opened up a new era of big data. Although these approaches are gradually implemented in a number of clinical settings, they still lack the integration with environmental individual data, strongly affecting several multifactorial diseases such as cardiovascular disease (CVD). Classical risk factor approaches still fail in correctly estimating CVD risk in women compared to men, therefore there is a need for novel strategies to identify signs of reversible early disease or disease risk factors in this population.
We plan to generate and analyse epigenetic data in the context of a very large number of environmental and lifestyle variables (big data) in a group of women and men with traditional CVD risk factors (and age-matched controls) selected from the MOLI-SANI cohort. With this approach we hope to shed light into the controversial aspects of CVD prediction and prevention in women, independently of traditional CV risk factors.
Champ scientifique
Programme(s)
Régime de financement
MSCA-IF-EF-SE - Society and Enterprise panelCoordinateur
86077 Pozzilli Is
Italie