Персональная биомедицина

Наша задача – изучение причин заболевания конкретного пациента и поиск возможностей персонализированной терапии



О нас
 

Одним из основных направлений повышения эффективности лечения злокачественных новообразований у человека в настоящее время является разработка систем анализа индивидуальной молекулярной картины опухоли пациента и подбор на основе проведённого анализа персонализированной терапии. Существует более 950 противоопухолевых лекарственных средств на разных стадиях клинических испытаний, направленных на конкретные нарушения сигнальных путей в клетках опухоли, и их количество растёт с каждым годом. Выявление нарушенного у конкретного пациента сигнального пути способствует назначению корректной терапии. Кроме того, данные такого анализа в ряде случаев помогают улучшить проводимую терапию новой комбинацией лекарственных средств, ранее не использованных совместно, или скорректировать дозу.

На основании многолетнего опыта исследований участниками проекта были разработаны методики выявления изменений генетического материала в образцах опухолевой ткани, созданы базы данных генов, вовлечённых в онкогенез различных типов опухолей, и вариантов лекарственной терапии в зависимости от обнаруженных генетических нарушений. В проекте участвуют специалисты из разных областей: биоинформатики, онкологи, биологи, что позволяет подходить к решению задач со всех сторон.

Ключ к эффективной противораковой терапии лежит в биологии возникновения конкретной опухоли и задачей данного проекта является изучение причин заболевания конкретного пациента и поиск возможностей персонализированной терапии. Наша цель – предоставление индивидуальных научных исследований онкологическим больным и осуществление помощи их терапевтам в принятии решения о подборе персонализированной терапии заболевания.

Проекты
 

Анализ индивидуальных данных пациента осуществляется с использованием ДНК- и РНК-секвенирования, которые позволяют выявить нарушения генетического материала (соматические и герменативные мутации, изменения копийности ДНК, хромосомные перестройки), а также изменения экспрессии генов в клетках опухоли. На основе обнаруженных нарушений генетического материала пациента формируется молекулярная картина заболевания и рекомендации к назначению специфической противоопухолевой терапии.

Персональное исследование каждого пациента включает в себя следующие этапы:

1. Секвенирование и биоинформационный анализ
Секвенирование кодирующих участков генома (exome sequencing) и транскриптома (RNA-seq) производится на оборудовании HiSeq2000 (Illumina). Результаты секвенирования представляются в виде аннотированного списка выявленных в опухолевой ткани пациента олигонуклеотидных мутаций (SNP), делеций, хромосомных перестроек, а также изменений уровня транскрипции генов в опухоли по сравнению с нормальной тканью.
2. Функциональная геномика
Полученные данные аннотируются для выявления ключевых и побочных геномных и транскрипционных событий с использованием современных методов и баз данных, в том числе разработанных сотрудниками компании.
3. Фармакогеномика и системная биология
Связи между мутациями генов и заболеваниями, занесённые как в существующие базы данных, так и в разработанную непосредственно участниками проекта базу, используются для обнаружения возможных мишеней для фармакологического вмешательства. На основании данных генетического анализа осуществляется пополнение коллекции сигнальных каскадов, которая также включает в себя полную информацию из различных источников. Всё это позволяет выявлять молекулярные механизмы, задействованные в образовании опухоли конкретного пациента, а также прогнозировать её дальнейшее развитие.
4. Анализ данных пациента
На основе данных конкретного пациента и существующих моделей эксперты в области системной биологии и молекулярной онкологии строят “картину” болезни пациента. Задача данного этапа – выявить драйверные изменения в геноме, предположительно приведшие к возникновению опухоли, обнаружить основные механизмы её развития и предоставить лечащему врачу информацию о препаратах, потенциально эффективных при выявленных нарушениях.
Особенности компании
 
  • опыт персонализированного подхода к изучению онкологических заболеваний (предлагаемый подход апробирован на данных пациентов с гепатоцеллюларной карциномой);
  • опыт работы сотрудников компании в ведущих международных компаниях, разрабатывающих биологические базы данных сигнальных путей заболеваний человека;
  • опыт участия сотрудников компании в исследованиях причин развития онкологических заболеваний и возможностей их терапии, а также в разработке алгоритмов анализа данных;
  • совместная работа с лабораторией международного уровня, предоставляющей услуги секвенирования нового поколения на современном оборудовании Illumina HiSeq 2000;
  • совместная работа с ведущими молекулярными онкологами России;
  • применение современных алгоритмов анализа данных и постоянное их усовершенствование;
  • экспертная молекулярно-биологическая оценка процессов возникновения и развития исследуемой опухоли и составление карты молекулярных каскадов этих процессов;
  • экспертное заключение по возможным фармакологическим вмешательствам в выявленные процессы;
  • возможность проведения дополнительных молекулярно-биологических исследований для проверки гипотез in vitro.
Публикации
 

Статьи участников проекта:

  1. Belushkin A.A., Vinogradov D.V., Gelfand M.S., Osterman A.L., Cieplak P., Kazanov M.D. Sequence-derived structural features driving proteolytic processing. Proteomics. 2014; 14(1):42-50;
  2. Pyatnitskiy M., Mazo I., Shkrob M., Schwartz E., Kotelnikova E. Clustering gene expression regulators: new approach to disease subtyping. PLoS One. 2014; 9(1):e84955;
  3. Андрианов Г. А. , Кременецкая О. С. Выбор функции плотности вероятности распределения экспрессии генов при обработке данных в методе RNA-Seq. Информационные процессы, 2013, том 14, 2, стр. 118–123.
  4. Kotelnikova E., Shkrob M., Pyatnitskiy M., Ferlini A., Daraselia N. Novel approach to meta-analysis of microarray datasets reveals muscle remodeling-related drug targets and biomarkers in Duchenne muscular dystrophy. PLOS Comp Biol, 2012; 8(2):e1002365;
  5. Ponomarenko E., Poverennaya E., Pyatnitskiy M., Lisitsa A., Moshkovskii S., Ilgisonis E., Chernobrovkin A., Archakov A. Comparative ranking of human chromosomes based on post-genomic data. OMICS. 2012; 16(11):604-11;
  6. Pyatnitskii M.A., Lisitsa A.V ., Moshkovskii S.A., Arnotskaya N.E., Akhmedov B.B., Zaridze D.G., Polotskii B.E., Shevchenko V.E. Differential diagnostics of squamous cell lung carcinoma by means of the mass spectrometry profiling of blood plasma. Journal of Analytical Chemistry. 2011; 66(14):1369-75;
  7. Kotelnikova E., Ivanikova N., Kalinin A., Yuryev A., Daraselia N. Atlas of signaling for interpretation of microarray experiments. PLoS One. 2010; 5(2):e9256;
  8. Kotelnikova E., Yuryev A., Mazo I., Daraselia N. Computational approaches for drug repositioning and combination therapy design. J Bioinform Comput Biol. 2010; 8(3):593-606;
  9. Petushkova N.A., Pyatnitskiy M.A., Lisitsa A.V., Larina O.V., Kuznetsova G.P., Skipenko O.G., Karuzina I.I., Archakov A.I. Computational approach to characterization of human liver drug-metabolizing enzymes. Eur J Pharm Sci. 2010; 41(2):305-11;
  10. Сендерович А.И., Строганова А.М., Пятницкий М.А., Вишневская Я.В., Карселадзе А.И. Молекулярно-генетическое исследование доброкачественных пигментных новообразований с помощью реакции флюоресцентной in situ гибридизации. Архив патологии. 2010. 72(4):27-30;
  11. Виноградова О.Ю., Асеева Е.А., Неверова А.Л., Воронцова А.В., Дягилева О.А., Семенова Е.А., Лазарева О.В., Гусарова Г.А. Вахрушева М.В., Колошейнова Т.И., Колосова Л.Ю., Захарова А.В., Дяченко Л.В., Кременецкая О.С., Наумова И.Н., Аксенова Е.В., Домрачева Е.В., Туркина А.Г., Хорошко Н.Д. Клональные хромосомные аномалии в Ph-негативных клетках у больных хроническим миелолейкозом, получающих терапию ингибиторами тирозинкиназ. Клиническая онкогематология. 2010, том 3, 4, 336-346.
  12. Yuryev A., Kotelnikova E., Daraselia N. Ariadne's ChemEffect and Pathway Studio knowledge base. Expert Opin. Drug Discov. 2009. 4(12):1-12;
  13. Пятницкий M.А., Лисица А.В., Арчаков А.И. Предсказание взаимосвязанных белков методами сравнительной геномики in silico.Биомедицинская химия. 2009, т.55(3):230-246;
  14. Enikeeva F.N., Kotelnikova E.A., Gelfand M.S., Makeev V.J. A model of evolution with constant selective pressure for regulatory DNA sites. BMC Evol Biol. 2007, 7(1):125;
  15. Kotelnikova E., Kalinin A., Yuryev A., Maslov S. Prediction of protein-protein interactions on the basis of evolutionary conservation of protein functions. Evolutionary Bioinformatics. 2007; 3:197-206;
  16. Yuryev A., Mulyukov Z., Kotelnikova E., Maslov S., Egorov S., Nikitin A., Daraselia N., Mazo I. Automatic Pathway Building in Biological Association Networks. BMC Bioinformatics. 2006; 7:171;
  17. Kotelnikova E.A., Makeev V.J., Gelfand M.S. Evolution of transcription factor DNA binding sites. Gene. 2005; 347(2):255-63;
  18. Vinogradov D.V., Mironov A.A. ProMult: prediction of the exon-intron structure by spliced alignment with several proteins. Biophysics (Moscow). 2003, 48 Suppl. 1 S68-S70;
  19. Кременецкая О.С., Логачева Н.П.,. Барышников А.Ю, Чумаков П.М., КопнинБ.П. Влияние опухолевого супрессора р53 и его мутантных форм на дифференцировку и жизнеспособность лейкозных клеток K562. Цитология, 1996, 38, №12, стр. 1280-1293.

Монографии:

  1. Pyatnitskiy M.A., Shkrob M.A., Daraselia N.D., Kotelnikova E.A.. Sub-Network Enrichment and Cluster Analysis Reveal Possible Pathways for Cetuximab Sensitivity Pp.151-172. From Knowledge Networks to Biological Models. DOI:10.2174/97816080543741120101, eISBN: 978-1-60805-437-4, 2012. Edited By: Anton Yuryev & Nikolai Daraselia
  2. Kotelnikova E.A., Pyatnitskiy M.A., Redler R.L., Dokholyan N.V. Role of Ca2+-Mediated Signaling in ALS Pathology Pp.24-72. From Knowledge Networks to Biological Models. DOI:10.2174/97816080543741120101, eISBN: 978-1-60805-437-4, 2012. Edited By: Anton Yuryev & Nikolai Daraselia
  3. Shkrob M.A., Pyatnitskiy M.A., Golovatenko-Abramov P.K., Kotelnikova E.A. Pathways Disturbed in Duchenne Muscular Dystrophy Pp.104-130. From Knowledge Networks to Biological Models. DOI:10.2174/97816080543741120101, eISBN: 978-1-60805-437-4, 2012. Edited By: Anton Yuryev & Nikolai Daraselia
  4. Gelfand M.S., Gerasimova A.V., Kotelnikova E.A., Laikova O.N., Makeev V.Y., Mironov A.A., Panina E.M., Ravcheev D.A., Rodionov D.A., Vitreschak A.G. Comparative genomics and evolution of bacterial regulatory systems.Bioinformatics of Genome Regulation and Structure II (Springer Science+Business Media, Inc.) P. 111-119 (2006) Eds. Kolchanov N. And Hofestaedt R.
Контактная информация
 
Напишите нам, и мы обязательно Вам ответим!