A fő egészségügyi kihívások Öregedés Mentális betegségek Fertőző betegségek Elhízás, diabetes Allergia, asztma Szív- és érbetegségek Autoimmun kórképek Rák Komplex betegségek Rendszerbiológia Bioinformatika, omics - korszak A VILÁG NÉPESSÉGE: 6 477 796 739 (World Gazetteer) Néhány évszázad alatt megváltozott a betegségek jellege: A fertőző betegségek ritkábbak, a krónikus betegségek (asthma, diabetes, cardiovascularis is betegségek, daganatok) gyakoribbak. 1
Ischaemic Ischaemiás szívbetegségek heart disease Clotting factors Triglyceride Obesity Exercise Smoking Insulin ApoE ApoB Blood Pressure HDL 280 risk factors ACE LDL Cholesterol Diet LDL particle size UK Biobank Várható esetek a következő 10 évben/100.000 Ischaemic heart disease (deaths) 4300 Cerebrovascular disease (deaths) 1100 Chronic airways disease (deaths) 590 Breast cancer (new cases) 6270 Colorectal cancer (new cases) 5410 Prostate cancer (new cases) 3290 Diabetes mellitus (new cases) 11500 Myocardial infarction (new cases) 8250 Stroke (new cases) 4500 Dementia (new cases) 2000 2
From the molecules to the function p53 tumoursuppressor Genome Protein Cell Embryo Fruitfly Mouse transgenic models Human Development, Ageing Disease A SEJTTŐL A GÉ IG SZERVEZETÜNK MINDEN SEJTJÉBEN Két teljes genom kópia 23 kromoszóma ~ 24.000 gén 3.2 milliárd nukleotid 2 m! (teljes szervezetben 4.6 fénynapnyi DNS) Elvileg 4 109 DNS kombináció Világegyetem: 10 80 atom, 10 55 g 3
Komplexitás növekedik a törzsfejlődéssel The C-value enigma 98.3% nem kódoló: micro RNS- transzlációszabályozás Genome programsstructural genomics/annotations Microarray/chip technology web, computing bioinformatics 4
DNS szekvenáló robot-rendszer (Whitehead Inst.) Mai csúcs: 1 m nt/perc 5
A genom variációk száma kb. 20 millió Disease Population N=500 Matched Control Population N=500 1 ~20 20,000,000 common SNPs across genome Representing every gene 22 P value 1 Chromosomal Location 22 Regions of association Informatics to ID gene(s) mapped to associated SNP Retrospective approach SNP: single nucleotide polymorphism Patient 1 Patient 2 Patient 3 Patient 4 Patient 5 Patient 6 Patient 7 Patient 8 Patient 9 Patient 10 Patient 11 Patient 12 Good response No response No response Good response No response No response Good response Good response Good response Good response No response No response ATGCTTCCCTTTTAAA ATTGTTCCCTTTTAAA ATTGTTGCCTTTTAAA ATGGTTGCCTTTTAAA ATAGTTGCCTTTTAAT ATAGTTGCCTTTTAAT ATGATTGCCTTTTAAA ATGATTGGCTTTTAAA ATGTTTCGCTTTTAAA ATGTTTTGCTTTTAAA ATTTTTTGCTTTTAAA ATCTTTTGCTTTTAAA 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 6
Pharmacogenomics Strategy Applied to the Practice of Medicine GCCCGCCTC GCCCACCTC From McLeod and Evans, Ann Rev of Pharmacol and Toxicol, 2001: 41,101-121 Adatbázis analízis- prediktív, perszonalizált orvoslás CTRPNNTRK CTRPNNTRK data warehouse? e.g. MHC-peptide predition in vaccine design Tervezhetı, intelligens vakcinák 7
Genome programsstructural genomics/annotations Microarray/chip technology web, computing bioinformatics 8
Összehasonlító hibridizáció Két különböző biológiai forrás (pl. beteg/egészséges) nukleotidszálak 9
1. Állapot (egészséges) 2. Állapot (daganatos) Molekula A Molekula B Molekula C Molekula D Molekula E Molekula X Molekula A Molekula B Molekula C Molekula D Molekula E hipotézis-prekoncepció alapú kutatás Molekula X állapot 1. (normális) állapot 2. (tumoros) (különbség) adatbányászat-génhalászat prekoncepció nélkül 10
Hipotézis-irányította tudomány Hipotézis, prekoncepció tudásanyag hagyomány divat grant-climate Kisérlet, eredmények Génvadászat prekoncepció-mentes Kutatás-vezérelt tudomány genomikai megközelítés microarray adatok számítógép clusterekbe rendezés gének Gének egyedi minta minták 11
Génexpressziós adatok és a génhálózatok reverz modellezése microarray adatokból gene A gene B Gene networks? gene C gene D Cells Expression levels measure for several conditions A B E C D gene network model microarray experiment Genome programsstructural genomics/annotations Microarray/chip technology web, computing bioinformatics 12
GÉ -MI TÁZAT ELEMZŐ SZOFTVEREK FEATURE EXTRACTIO TEMPORAL-SPATIAL ALGORITHMS SOFTVERS NFkB Gαs NFkB Csomópont elemzés Cytokines 13
In silico pathway analysis Mast cell-tumor interaction Gilicze et al, Mol Immunol, 2007 simplified view of gene networks in asthma (2006) http://www.snps3d.org/ 14
Changing the Paradigm of Discovery /immunology/ Research through Systems Biology Molekuláris biológia Rendszer szemléletű biológia 15
2008.09.25. Adatgyüjtésre épülő megközelítések Hagyományos labormódszerek Nagyteljesítményű sorozatmérések AZ ORVOSTUDOMÁFY ÁTALAKULÁSA Két konvergáló hatás Információs technológia Személyre szabott orvostudomány diagnózis, prognózis egyéni kezelés farmakogenetika védőoltások Genetika.. on-line konzilium diagnosztikai adatbázisok remote beavatkozás szimulációs rendszerek image analízis drug-discovery........ 16
Stratégia Clausewitz (1780-1831) A stratégiának három célja van: Az ellenség hadereje, erőforrásai, és harckészsége. A rendszerbiológia A háború sohasem öncélú, hanem pusztán az élettudományok a politika folytatása más eszközökkel Mi a rendszerszemléletű biológia? Kutatási irány? Paradigma? Módszertani elv? Tudományszociógiai esemény? Popkultúra-trend? 17