Till innehåll på sidan
Till KTH:s startsida

Systems and Network-based Approaches to Complex Metabolic Diseases

Tid: Fr 2021-06-11 kl 13.00

Plats: https://kth-se.zoom.us/webinar/register/WN_Si0EW3vKRKSYkKek533ohQ, Stockholm (English)

Ämnesområde: Bioteknologi

Respondent: Muhammad Arif , Systembiologi, Science for Life Laboratory, SciLifeLab, SysMedicine

Opponent: Professor Thomas Sauter, Department of Life Sciences and Medicine, Faculty of Science, Technology, and Medicine, University of Luxembourg, Luxembourg

Handledare: Professor Adil Mardinoglu, Science for Life Laboratory, SciLifeLab, Systembiologi

Exportera till kalender

Abstract

Framtiden för hälsovård är precisionsmedicin; behandling av sjukdomskräddarsys baserat på de individualla egenskaper hos varje enskildpatient. För att nå detta mål behöver vi öka vår kunskap om sjukdomar.Det främsta hjälpmedlet för att utveckla precisionsmedicin är system- ochdatadriven biologi, vilket i sin tur gör omikdata till en viktig resurs isamtiden. Omikdata kan kombineras med expertis inomberäkningsbiologi för att på så vis vara en värdeful tillgång för att få insyni biologiska mekanismer, särskilt inom sjukdomskontext. Dennaavhandling beskriver strategier inom systembiologi, och deras appliceringför specifika sjukdomar.

Den första delen av avhandlingen beskriver utvecklandet av mer än 100biologiska nätverk baserade på personaliserad multiomik-data, inklusiveklinisk data samt metabolomik-, proteomik-, och metagenomikdata,insamlat från samma individer. Dessutom presenterar vi en webb-baseraddatabas innehållande biologiska nätverk byggda från multiomik-data,samt en visualiseringsplatform vid namn iNetModels.

I den andra delen av avhandlingen beskriver vi systembiologiska ramverkoch deras applicering för studier av olika sorters biologiska frågor inomsjukdomskontext, genom att använda en eller flera sorters omikdata. Förstpresenterar vi våra fynd om den integrativa vyn av metaboliska aktiviteterfrån flertalet vävnader efter hjärtinfarkt, genom att användatranskriptomikdata både från hjärtat och andra metaboliskt aktivavävnader. Sedan använde vi transkriptomikdata för att beskriva denmekanistiska effekten av livslång träning av skelettmuskel i både män ochkvinnor, samt vilken roll kortsiktig träning har i att läka skador frånmetabolismrelaterade sjukdomar. Efter det dechiffrerade vi denmolekylära mekanismen bakom nonalcoholic fatty liver disease (NAFLD),eller fettlever, baserat på kliniska data, plasma-metabolomik,inflammatorisk plasma-proteomik, samt metagenomikdata från månhålaoch tarmkanal. Till sist tydliggjorde vi mekanismen av CMAsupplementrering, en potentiell behandling av NAFLD, baserat påproteomik- och metabolomikdata.

Sammanfattningsvis beskriver denna avhandling en ny plattform förbiologisk nätverksanalys och bevisade systembiologiska ramverk för attutröna mekanistisk och systematisk förståelse för specifika sjukdomar,genom att använda singel- eller multiomikdata.

urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-294200