Descrizione del progetto
Sfidare i limiti degli approcci classici ai fattori di rischio
Le malattie cardiovascolari (CVD) rimangono una sfida importante per la salute globale e la comprensione dei loro intricati meccanismi di base si è dimostrata elusiva. Tuttavia, i recenti sviluppi nel campo dell'epigenetica e l'uso dei big data hanno aperto interessanti possibilità di scoprire informazioni fondamentali. In particolare, i meccanismi epigenetici che comportano cambiamenti nella metilazione del DNA sono stati implicati nella regolazione dei processi biologici legati allo sviluppo delle CVD. Con il sostegno del programma azioni Marie Skłodowska-Curie, il progetto EpiBigDatainWomen intende sfruttare la potenza dell'analisi dei big data, o megadati, per colmare il divario tra fattori ambientali e di stile di vita e CVD nelle donne. Integrando grandi quantità di dati personalizzati con tecniche di scienza dei dati all'avanguardia, i ricercatori sperano di rivoluzionare le strategie di previsione e prevenzione delle CVD.
Obiettivo
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.
Campo scientifico
Programma(i)
Argomento(i)
Meccanismo di finanziamento
MSCA-IF-EF-SE - Society and Enterprise panelCoordinatore
86077 Pozzilli Is
Italia