4D-Healing Data-Driven Drug Discovery in Wound Healing
4D-Healing Data-Driven Drug Discovery in Wound Healing
ERA-NET: ERA CoSysMed
Wissenschaftsdisziplinen
Biologie (80%); Mathematik (20%)
Keywords
-
Skin,
Singel Cell Transcriptomics,
Regeneration,
Regenerative Trajectory,
Healing,
Cell Type Diversity
Die Heilung von Wunden ist ein komplexer, multifaktorieller Prozess, der unvollständig verstanden wird. Europa steht vor einer wachsenden Zahl von kostspieligen chronischen Wunden, die die Lebensqualität der Patienten tief beeinflussen. Der Wundheilungsprozess ist hochdynamisch und heterogen und sein Verständnis könnte Einblicke in die regenerative Medizin geben. Der Beitrag der verschiedenen Zelllinien kann nicht durch Massen-Transkriptomik-Analyse beurteilt werden. Zusätzlich kann ein statischer Schnappschuss durch Einzelzellanalysen uninformativ sein. 4D-HEALING wird die vier räumlich-zeitlichen Dimensionen der menschlichen Wundheilung in noch nie dagewesener Weise abbilden: Das Transkriptom von Tausenden von Zellen aus einer in vivo überwachten menschlichen Wunde wird von der RNAseq auf der Einzelzell-Ebene analysiert. Wir modellieren die Transkriptionsdynamik von Zelllinien, die in allen Phasen der Heilung involviert sind, von der Verletzung der Auflösung. Um Positionsinformationen zu sammeln, schlagen wir ein neuartiges Rechenwerkzeug vor, um "Zelldocking" vorhersagen zu können, basierend auf der Wahrscheinlichkeit von Zell-zu-Zell- Interaktionen und der Herstellung einer benachbarten Karte, die durch Annotation von situ-Positionsinformationen von Zellen (multiplexierter Hybridisierungsansatz) validiert wird. Das aufgetretene Wissen liefert eine 4D-Karte der Zelltypen, die an der menschlichen Wundheilung beteiligt sind, die es uns ermöglicht, ein dynamisches mathematisches Modell des Prozesses zu schaffen, um das Übersprechen zwischen Zellsignalisierung und Interaktionen, Übergangszuständen und Position während der Heilung zu entwirren. Diese Modelle, die zusammen mit FDA-zugelassenen Arzneimitteldatenbanken integriert sind, erlauben informierte Entscheidungen über molekulare Kandidaten, die pharmakologisch moduliert werden können. Kandidatenverbindungen werden in ex vivo menschlichen Hautorgankulturen getestet, die akute und chronische Wundumgebungen nachahmen. Die daraus resultierenden Leads werden den üblichen Arzneimittelentwicklungsprogrammen unterzogen. Das Projekt wird datengesteuertes, umfassendes Verständnis des menschlichen Wundheilungsprozesses und in vitro Beweis für das Konzept einer neuartigen topischen Therapie zur Verbesserung der chronischen Wundheilung liefern.
Die Wundheilung ist ein hochdynamischer und heterogener Prozess, der es schwierig macht, den Beitrag der verschiedenen Zelllinien durch Transkriptomanalysen zu analysieren. Daher könnte eine statische Momentaufnahme durch Einzelzellanalysen wenig aussagekräftig sein. In 4D-HEALING kartieren wir die vier räumlichen und zeitlichen Dimensionen der menschlichen Wundheilung auf eine noch nie dagewesene Weise: das Transkriptom tausender Zellen aus einer in vivo beobachteten menschlichen Wunde durch RNA-Seq auf Einzelzellebene. Wir entnahmen an fünf verschiedenen Tagen von zwei Spendern 3 mm große Hautstiche in drei Sets: eines für die Aufspaltung von Dermiszellen, das zweite für die Aufspaltung von Dermis- und Epidermiszellen und das dritte für die Histologie und räumliche RNA-Analyse. Anhand der Ergebnisse modellieren wir die Transkriptionsdynamik von Zelllinien, die an allen Phasen der Heilung, von der Verletzung bis zur Auflösung, beteiligt sind. Um Positionsinformationen zu sammeln, entwickeln wir neuartige computergestützte Werkzeuge zur Vorhersage des "Zell-Docking" und zur Erstellung einer Nachbarschaftskarte, die durch Annotation der Positionsinformationen von Zellen validiert wird. Die neuen Erkenntnisse liefern eine 4D-Karte der Zelltypen, die an der menschlichen Wundheilung beteiligt sind, und ermöglichen es uns, ein dynamisches mathematisches Modell zu erstellen, um die Überschneidungen zwischen Zellsignalen und -interaktionen, Übergangszuständen und Position während des Heilungsprozesses zu entschlüsseln. Diese Modelle in Verbindung mit FDA-zugelassenen Arzneimitteldatenbanken ermöglichen eine fundierte Auswahl von molekularen Kandidaten, die pharmakologisch moduliert werden können. Unsere Einzelzell-RNA-Seq-Datenanalyse ergab, dass in Fibroblasten MMP-2 und Cathepsin K an Tag 0 hochreguliert sind und sich dann an den Tagen 2 und 3 langsam zurückbilden; beide sind bekanntermaßen am Umbau der extrazellulären Matrix während der Wundheilung beteiligt und in frischen Narben vorhanden, aber auch in diabetischen chronischen Wunden stark hochreguliert. MMP-2 kann mit Hilfe von Angiotensin-Converting-Enzyme-Hemmern wie Captopril und Lisinopril gezielt bekämpft werden. Wir planen, diese Entdeckung in 2D und 3D für Epidermolysis Bullosa (EB) auszuprobieren, aber da die Art der chronischen Wunden bei EB anders ist als bei Diabetes, werden wir sie mit anderen Medikamenten kombinieren. Wir werden die Wirkung von Medikamentenkandidaten auf 2D- und 3D-Präparate testen, die auf den von uns bereits hergestellten iPSC-Linien basieren, sowohl für WT als auch für EB. Die daraus resultierenden Wirkstoffkandidaten werden die üblichen Arzneimittelentwicklungsprogramme durchlaufen. Auf diese Weise liefert das Projekt ein datengestütztes, umfassendes Verständnis des menschlichen Wundheilungsprozesses und einen In-vitro-Konzeptnachweis für eine neuartige topische Therapie zur Verbesserung der chronischen Wundheilung. Das Verständnis der Wundheilung wird Licht in die regenerative Medizin bringen.
- DEBRA Austria - 100%
- Igor Igorevich Adameyko, Medizinische Universität Wien , nationale:r Kooperationspartner:in
- Pavol Bokes, Comenius University Bratislava - Slowakei
- Mirjana Liovic Bertolini, University of Ljubljana - Slowenien
- Marcos Jesús Arauzo-Bravo, Biodonostia Health Research Institute - Spanien
- Francisco Javier Jimenez Acosta, Mediteknia Dermatologia y Trasplante Capilar - Spanien
- Ralf Paus, University of Miami - Vereinigte Staaten von Amerika
- Ardeshir Bayat, University of Manchester - Vereinigtes Königreich
Research Output
- 198 Zitationen
- 16 Publikationen
- 2 Methoden & Materialien
- 1 Datasets & Models
- 2 Disseminationen
-
2020
Titel Optimal bang–bang feedback for bursty gene expression DOI 10.23919/ecc51009.2020.9143982 Typ Conference Proceeding Abstract Autor Zabaikina I Seiten 277-282 Link Publikation -
2021
Titel MicroRNA Based Feedforward Control of Intrinsic Gene Expression Noise DOI 10.1109/tcbb.2019.2938502 Typ Journal Article Autor Bokes P Journal IEEE/ACM Transactions on Computational Biology and Bioinformatics Seiten 272-282 Link Publikation -
2020
Titel Human dermal fibroblast subpopulations are conserved across single-cell RNA sequencing studies DOI 10.1016/j.jid.2020.11.028 Typ Journal Article Autor Ascensión A Journal Journal of Investigative Dermatology Link Publikation -
2019
Titel Computational analysis of single-cell transcriptomics data elucidates the stabilization of Oct4 expression in the E3.25 mouse preimplantation embryo DOI 10.1038/s41598-019-45438-y Typ Journal Article Autor Gerovska D Journal Scientific Reports Seiten 8930 Link Publikation -
2019
Titel Induced pluripotent stem cell (iPSC) line from an epidermolysis bullosa simplex patient heterozygous for keratin 5 E475G mutation and with the Dowling Meara phenotype DOI 10.1016/j.scr.2019.101424 Typ Journal Article Autor Kolundzic N Journal Stem Cell Research Seiten 101424 Link Publikation -
2019
Titel BigMPI4py: Python module for parallelization of Big Data objects DOI 10.1101/517441 Typ Preprint Autor Ascension A Seiten 517441 Link Publikation -
2019
Titel Pericytes in Cutaneous Wound Healing DOI 10.1007/978-3-030-16908-4_1 Typ Book Chapter Autor Morikawa S Verlag Springer Nature Seiten 1-63 -
2020
Titel Stem Cell Research Lab Resource: Stem Cell LineInduced pluripotent stem cell (iPSC) line MLi-003A derived from an individual with the maximum number of filaggrin (FLG) tandem repeats DOI 10.1016/j.scr.2020.101827 Typ Journal Article Autor Khurana P Journal Stem Cell Research Seiten 101827 Link Publikation -
2020
Titel Human Wound Healing Ex Vivo Model with Focus on Molecular Markers DOI 10.1007/978-1-0716-0648-3_21 Typ Book Chapter Autor Gherardini J Verlag Springer Nature Seiten 249-254 -
2020
Titel Keratin Dynamics and Spatial Distribution in Wild-Type and K14 R125P Mutant Cells—A Computational Model DOI 10.3390/ijms21072596 Typ Journal Article Autor Gouveia M Journal International Journal of Molecular Sciences Seiten 2596 Link Publikation -
2018
Titel Buffering gene expression noise by microRNA based feedforward regulation DOI 10.1101/310656 Typ Preprint Autor Bokes P Seiten 310656 Link Publikation -
2018
Titel Diversity of Adult Stem Cell Niches in the Dermal Compartment of Skin DOI 10.1016/b978-0-12-801238-3.65470-3 Typ Book Chapter Autor Iribar H Verlag Elsevier -
2018
Titel Buffering Gene Expression Noise by MicroRNA Based Feedforward Regulation DOI 10.1007/978-3-319-99429-1_8 Typ Book Chapter Autor Bokes P Verlag Springer Nature Seiten 129-145 -
2020
Titel Sequentially induced motor neurons from human fibroblasts facilitate locomotor recovery in a rodent spinal cord injury model DOI 10.7554/elife.52069 Typ Journal Article Autor Lee H Journal eLife Link Publikation -
2022
Titel BigMPI4py: Python Module for Parallelization of Big Data Objects Discloses Germ Layer Specific DNA Demethylation Motifs DOI 10.1109/tcbb.2020.3043979 Typ Journal Article Autor Ascensión A Journal IEEE/ACM Transactions on Computational Biology and Bioinformatics Seiten 1507-1522 -
2021
Titel Synergy evaluation of non-normalizable dose–response data: Generalization of combination index for the linear effect of drugs DOI 10.1002/pst.2118 Typ Journal Article Autor Novotný B Journal Pharmaceutical Statistics Seiten 982-989
-
2020
Link
Titel IPSC cell lines derived from Epidermolysis Bullosa patients as a research tool to model the disease on 2D and 3D and prospect for potential new therapeutic targets Typ Cell line Öffentlich zugänglich Link Link -
2018
Link
Titel Analytics tools for big-data Typ Technology assay or reagent Öffentlich zugänglich Link Link