En integrerad multi-omics signatur av njurfibros för precisionsmedicin för kronisk njursjukdom
Diarienummer | |
Koordinator | Högskolan i Skövde - Högskolan i Skövde Inst f biovetenskap |
Bidrag från Vinnova | 3 000 000 kronor |
Projektets löptid | november 2022 - december 2025 |
Status | Pågående |
Utlysning | Europeiskt partnerskap inom individanpassad medicin |
Ansökningsomgång | Internationell samverkansutlysning inom ERA PerMed 2022: individanpassad prevention |
Syfte och mål
Kronisk njursjukdom (CKD) är en allvarlig sjukdom som drabbar cirka 10 % av Europas befolkningen. Njurfibros är karakteristiskt under CKD-progression men kan också orsakas av många andra sjukdomar. Graden av njurfibros kan bestämmas med hjälp av njurbiopsi, men det är en invasiv procedur som inte kan generaliseras. En icke-invasiv markör som reflekterar njurfibros skulle avsevärt förbättra möjligheten att upptäcka progressiv CKD och ha ett stort kliniskt värde. Målet med projektet är att identifiera en signatur av markörer för att prediktera progression av CKD.
Förväntade effekter och resultat
Förväntat resultat från KidneySign är ett kliniskt beslutsstödssystem för tidig identifiering av CKD-progression baserat på enkelt mätbara molekylära signaturer. Från material tillgängligt i patientkohorter, biobanker samt en KidneySign prospektiv klinisk studie kommer njurbiopsi, urin, serum och plasma att analyseras med avancerad dataanalys och korreleras med CKD-progression hos patienter. Detta kommer resultera i identifiering av nya markörer som kan användas i olika kombinationer för att mäta progression av CKD utan genomföra invasiva ingrepp.
Planerat upplägg och genomförande
Urin- och plasmapeptidomanalyser, inklusive klassificerare som utvecklats gemensamt av KidneySign-partners, har visat lovande resultat men behöver valideras ytterligare. I KidneySign kommer vi att använda translationell storskalig data för att utveckla och validera en innovativ multimodal proteinbaserad signatur av biomarkörer från olika kroppsvätskor som kan prediktera in situ fibros i njure och förutsäga risken för CKD-progression. Såväl statistiska som AI-baserade ansatser kommer användas för att analysera och kombinera data från komplexa kohorter.