Nealkoholna zamaščenost jeter (angl. Non-Alcoholic Fatty Liver Disease, NAFLD) predstavlja najpogostejšo kronično bolezen jeter. NAFLD prizadene kar 25 % odraslih ljudi in kar tretjino odrasle populacije razvitega sveta. Bolezen se manifestira v spektru jetrnih patologij, ki segajo od steatitisa do fibroze, ciroze in hepatocelularnega karcinoma (angl. Hepatocellular Carcinoma). V projektu bomo naslovili problem pomanjkljive identifikacije ključnih molekularnih mehanizmov razvoja NAFLD. Pri tem se bomo osredotočili na nove obetavne akterje v sklopu poti HolesteROR, ki povezuje signalizacijo preko receptorja sirote retinojske kisline gama (ROR-gamma, RORC, NR1F-3) s Holesterolom. Na tem področju je literatura redka, endogena funkcija jetrne signalizacije RORC pa je šele v zgodnji fazi razumevanja. Za reševanje tako zapletenih vprašanj v multifaktorskih patologijah je treba uporabiti inovativne sistemske rešitve, ki poleg eksperimentiranja vključujejo tudi modeliranje in validacijo na kliničnih vzorcih. V sklopu računalniškega dela projekta bomo tako razvili nove statistične in dinamične modele, ki bodo omogočili nov vpogled v vlogo poti HolesteROR pri razvoju NAFLD. Razvili bomo splošne mehanistične modele napredovanja bolezni, ki bodo prilagojeni posameznikom (personalizirani modeli). Ti modeli bodo omogočili določitev različnih NAFLD modulatorjev in v končni fazi omogočili posamezniku prilagojeno diagnostiko in terapevtiko.
Nealkoholna zamaščenost jeter (angl. Non-Alcoholic Fatty Liver Disease, NAFLD) predstavlja najpogostejšo kronično bolezen jeter. NAFLD prizadene kar 25 % odraslih ljudi in kar tretjino odrasle populacije razvitega sveta. Bolezen se manifestira v spektru jetrnih patologij, ki segajo od steatitisa do fibroze, ciroze in hepatocelularnega karcinoma (angl. Hepatocellular Carcinoma). V projektu bomo naslovili problem pomanjkljive identifikacije ključnih molekularnih mehanizmov razvoja NAFLD. Pri tem se bomo osredotočili na nove obetavne akterje v sklopu poti HolesteROR, ki povezuje signalizacijo preko receptorja sirote retinojske kisline gama (ROR-gamma, RORC, NR1F-3) s Holesterolom. Na tem področju je literatura redka, endogena funkcija jetrne signalizacije RORC pa je šele v zgodnji fazi razumevanja. Za reševanje tako zapletenih vprašanj v multifaktorskih patologijah je treba uporabiti inovativne sistemske rešitve, ki poleg eksperimentiranja vključujejo tudi modeliranje in validacijo na kliničnih vzorcih. V sklopu računalniškega dela projekta bomo tako razvili nove statistične in dinamične modele, ki bodo omogočili nov vpogled v vlogo poti HolesteROR pri razvoju NAFLD. Razvili bomo splošne mehanistične modele napredovanja bolezni, ki bodo prilagojeni posameznikom (personalizirani modeli). Ti modeli bodo omogočili določitev različnih NAFLD modulatorjev in v končni fazi omogočili posamezniku prilagojeno diagnostiko in terapevtiko.
Faze projekta:
Faza 1: Določiti omrežje in regulatorna vozlišča (transkripcijske faktorje in njihove tarče) v hepatocitih z aktivirano ali zmanjšano signalizacijo ROR. Ta cilj je bil delno dosežen (75 %), rezultati pa so bili drugačni od pričakovanega. Transkriptomske analize niso izpostavile le signalne poti ROR, temveč tudi Wnt in Hedgehog (Hh). Torej gre za kompleksnejšo strukturo regulatornih vozlišč, kjer se med seboj prepleta več signalnih poti. Razlog za zamudo je bil tudi v delnem zaprtju eksperimentlanih laboratorijev v času epidemije. V okviru tega cilja smo objavili dva originalna članka ter poglavje v knjigi.
Faza 2.Ugotoviti, katera regulatorna vozlišča HolesteROR odražajo različne stopnje NAFLD in predlagati značilne vzorce. Cilj je bil v celoti dosežen (100%). Razvili smo nova orodja za integracijo transkriptomskih podatkov jeter z MAFLD z uporabo različnih presnovnih modelov in vzpostavili nove pristope. S tem smo opredelili nova regulatorna vozlišča za stopnje MAFLD in za HCC, specifično za posamezni spol. Od spola odvisno uravnavanje pri patogenezi bolezni jeter predstavlja pomembno novo znanstveno dognanje. V okviru tega cilja je opravila doktorkso nalogo mlada raziskovalka Kaja Blagotinšek Cokan (2021), poleg originalnih člankov pa smo objavili tudi pregledni članek.
Faza 3.Vzpostaviti mehanistični model omrežja HolesteROR in ga povezati z najsodobnejšimi metabolnimi modeli. Cilj je bil delno dosežen (80%). Na podlagi lastnih in literaturnih podatkov smo izvedli rekonstrukcijo dinamičnega modela mreže HolesteROR in tudi personalizacijo s podatki bolnikov. Z mehanističnim modelom smo uspeli klasificirati bolnike glede na stopnjo bolezni jeter oz. fibroze, in opredeliti glavne genov, ki ločijo med osnovnima skupinama bolnikov. Metabolni model je bil vzpostavljen tudi s strani ITN Marie Curie doktorskega študenta A. Walakire, vendar pa je povezava (integracija) težja od pričakovane.
Faza 4.Validirati vzorce NAFLD pri bolnikih in predlagati tarče za uravnavanje napredovanja NAFLD na podlagi eksperimentalnih podatkov in modelnih simulacij. V celoti (100%) smo uspeli izvesti modelne simulacije, medtem ko je eksperimentalna validacija ekspresije genov (validacijska kohorta) zaradi razmer, povezanih z epidemijo, zakasnjena (70%). Pomembno je tudi, da smo razvili podatkovni cevovod za integrativne funkcijske analize in translacijske analize podatkov transkriptoma, ki smo jih uporabili za naš primer bolezni jeter, uporabnost pa je dosti širša. Izpostavili smo regulatorne poti, transkripcijske faktorje in posamezne gene, ki lahko predstavljajo tarče za uravnavanje napredovanja NAFLD. Našli smo nove potencialne biomarkerje, ki lahko zagotovijo nove poti do bolj prilagojenih pristopov in različnih ciljev pri ženskah in moških. Tarče iz naših eksperimentov smo križno preverjali z literaturnimi podatki in nabrali validacijsko kohorto bolnikov za še eno raven preverjanja. Iz tega dela smo objavili originalne članke, kongresne povzetke in predavanja.
Bibliografske reference:
PUŠNIK, Žiga, MRAZ, Miha, ZIMIC, Nikolaj, MOŠKON, Miha. Computational analysis of viable parameter regions in models of synthetic biological systems. Journal of biological engineering. Sep. 2019, vol. 13, pp. 1-21. DOI: 10.1186/s13036-019-0205-0.
MOŠKON, Miha. CosinorPy : a Python package for cosinor-based rhythmometry. BMC bioinformatics. Oct. 2020, vol. 21, pp. 1-12. DOI: 10.1186/s12859-020-03830-w.
KOVAČ, Urša, ŽUŽEK, Zala, RASPOR DALL'OLIO, Lucija, POHAR, Katka, IHAN, Alojz, MOŠKON, Miha, ROZMAN, Damjana, STARČIČ ERJAVEC, Marjanca. Escherichia coli affects expression of circadian clock genes in human hepatoma cells. Microorganisms. 2021, vol. 9, iss. 4, pp. 1-14. DOI: 10.3390/microorganisms9040869.
BLAGOTINŠEK COKAN, Kaja, URLEP, Žiga, MOŠKON, Miha, MRAZ, Miha, KONG, Xiang Y., ESKILD, Winnie, ROZMAN, Damjana, JUVAN, Peter, REŽEN, Tadeja. Common transcriptional program of liver fibrosis in mouse genetic models and humans. International journal of molecular sciences. 2021, vol. 22, iss. 2, pp. 1-21. DOI: 10.3390/ijms22020832.
MOŠKON, Miha, KOMAC, Roman, ZIMIC, Nikolaj, MRAZ, Miha. Distributed biological computation : from oscillators, logic gates and switches to a multicellular processor and neural computing applications. Neural computing & applications. Aug. 2021, vol. 33, no. 15, pp. 8923-8938. DOI: 10.1007/s00521-021-05711-6.
MOŠKON, Miha, PUŠNIK, Žiga, ZIMIC, Nikolaj, MRAZ, Miha. Field-programmable biological circuits and configurable (bio)logic blocks for distributed biological computing. Computers in Biology and Medicine. [Print ed.]. Jan. 2021, vol. 128, pp. 1-9. DOI: 10.1016/j.compbiomed.2020.104109.
WALAKIRA, Andrew, ROZMAN, Damjana, REŽEN, Tadeja, MRAZ, Miha, MOŠKON, Miha. Guided extraction of genome-scale metabolic models for the integration and analysis of omics data. Computational and Structural Biotechnology Journal. 2021, vol. 19, pp. 3521-3530. DOI: 10.1016/j.csbj.2021.06.009.
REŽEN, Tadeja, MARTINS, Alexandre, MRAZ, Miha, ZIMIC, Nikolaj, ROZMAN, Damjana, MOŠKON, Miha. Integration of omics data to generate and analyse COVID-19 specific genome-scale metabolic models. Computers in Biology and Medicine. June 2022, vol. 145, 105428. DOI: 10.1016/j.compbiomed.2022.105428.
VELIKAJNE, Nina, MOŠKON, Miha. RhythmCount: a Python package to analyse the rhythmicity in count data. Journal of Computational Science. September 2022, vol. 63, 101758. DOI: 10.1016/j.jocs.2022.101758.
PUŠNIK, Žiga, MRAZ, Miha, ZIMIC, Nikolaj, MOŠKON, Miha. Review and assessment of Boolean approaches for inference of gene regulatory networks, Heliyon, 2022, 8, e10222. DOI: 10.1016/j.heliyon.2022.e10222.
MOŠKON, Miha, PUŠNIK, Žiga, STANOVNIK, Lidija, ZIMIC, Nikolaj, MRAZ, Miha. A Computational Design of a Programmable Biological Processor, BioSystems, 2022, vol. 221, 104778, DOI: 10.1016/j.biosystems.2022.104778.