Project

Gebruik van een integratief classificatie systeem en volgende-generatie sequenering strategieën voor genidentificatie in "common variable immunodeficiency disorder" (CVID)

Looptijd
01-01-2014 → 31-12-2016
Financiering
Fonds voor Wetenschappelijk Onderzoek - Vlaanderen (FWO)
Onderzoeksdisciplines
  • Medical and health sciences
    • Laboratory medicine
    • Palliative care and end-of-life care
    • Regenerative medicine
    • Other basic sciences
    • Laboratory medicine
    • Palliative care and end-of-life care
    • Regenerative medicine
    • Other clinical sciences
    • Other health sciences
    • Nursing
    • Other paramedical sciences
    • Laboratory medicine
    • Palliative care and end-of-life care
    • Regenerative medicine
    • Other translational sciences
    • Other medical and health sciences
Trefwoorden
immunodeficiëntie genidentificatie
 
Projectomschrijving

Hypogammaglobulinemie stoornis (CVID) is een groep van ziekten waarbij het vermogen om antilichamen (immunoglobulinen, Igs) tegen microbiële infecties wordt aangetast. Er is een duidelijke afname in één of meer Ig klassen en het aantal en / of functie van bepaalde B-lymfocyt subsets worden verminderd. Naast een verhoogde gevoeligheid voor infecties, is CVID ook geassocieerd met auto-immune en kwaadaardige aandoeningen. De heterogeniteit van zowel klinische en immunologische presentatie compliceert de opheldering van het onderliggende ziekte en gendefecten. Tot nu toe is een specifieke genetische oorzaak alleen gevonden in minder dan 10% van de CVID patiënten. De algemene doelstelling van deze studie is om een ​​unieke pijplijn voor de indeling van CVID patiënten die klinische gegevens, geavanceerde immunofenotypering, moleculaire analyses en next-generation sequencing (NGS) integreert om te ontdekken (nieuw) gendefecten te ontwikkelen. Concreet zal de klinische een dimmunological gegevens uit onze CVID patiënten worden gebruikt voor de indeling op basis van functionele blokkade in B-cel ontwikkeling. Hieruit zal klasse-specifieke kandidaat-gen lijsten worden gegenereerd met behulp van text-mining tools, die goed begeleiden en de analyse van de NGS gegevens aanzienlijk vergemakkelijken. Wij zijn van mening dat deze unieke aanpak nieuwheid en macht op het gebied van CVID onderzoek zal brengen, en hopelijk het genereren van leads voor nieuwe therapeutische benaderingen.