Project

Een bioinfomatica-toolbox voor de analyse en optimalisatie van een hoge-doorvoer diepe mutagenese scan: ontwikkeling en case-studie

Looptijd
01-11-2020 → Lopend
Financiering
Fonds voor Wetenschappelijk Onderzoek - Vlaanderen (FWO)
Mandaathouder
Onderzoeksdisciplines
  • Natural sciences
    • Development of bioinformatics software, tools and databases
    • Structural bioinformatics and computational proteomics
    • Interactomics
  • Medical and health sciences
    • Cancer biology
  • Engineering and technology
    • Bio-informatics
Trefwoorden
kanker structurele biologie high-throughput screening bio-informatica eiwit-eiwit interacties
 
Projectomschrijving

Diep-Mutationele Scanning (DMS) is een recente karakterizatie- en functionele screenings-methode voor eiwitten, die hun bestudeerde eigenschap koppelt aan DNA-sequencing output. Dankzij next-generation sequencing is hun doorvoer ongeëvenaard door traditionele analyses op afzonderlijke eiwitvarianten, zoals two-hybrid screening. Ter verbetering van huidige implementaties hebben wij een nieuwe, kostenefficiënte DMS over de volledige lengte van in vivo humane eiwitten ontwikkeld, waarvan de eerste proefexperimenten reeds succesvol waren. Een eerste doel is de ontwikkeling en optimalisatie van een bioinformatica-pipeline ter analyse van de unieke verkregen data, die daarna gebruikt kan worden voor verdere experimentele optimalisatie. Daarna zullen we methodes ontwikkelen voor optimale verwerking en interpretatie van de resultaten, zoals het statistisch clusteren van relevante mutaties (i.e. met een invloed op de bestudeerde eigenschap) op het eiwit(oppervlak). Tenslotte zullen we als case-studie de impact van mutaties op in vivo eiwit-eiwit interacties (EEI) van drie kanker-drijver genen (TP53, PTEN, PIK3R1) karakteriseren met de nieuwe DMS. De vele publiek beschikbare omics-data omtrent kanker (bv. TCGA) kan gebruikt worden, niet enkel om de nieuwe DMS te valideren, maar ook om diens resultaten te gebruiken voor een ongeëvenaard diepgaande studie omtrent de rol van specifieke EEIs in kanker-gerelateerde pathways, tumorale genexpressieprofielen en kankerontwikkeling.