"Eesti Teadusfondi uurimistoetus" projekt ETF8294
ETF8294 "Kõrgedimensionaalsed mitmemõõtmelised meetodid ja nende rakendused immunoloogias (1.01.2010−31.12.2013)", Ene Käärik, Tartu Ülikool, Matemaatika-informaatikateaduskond.
ETF8294
Kõrgedimensionaalsed mitmemõõtmelised meetodid ja nende rakendused immunoloogias
High-dimensional multivariate methods with applications to immune studies
1.01.2010
31.12.2013
Teadus- ja arendusprojekt
Eesti Teadusfondi uurimistoetus
ETIS klassifikaatorAlamvaldkondCERCS klassifikaatorFrascati Manual’i klassifikaatorProtsent
4. Loodusteadused ja tehnika4.5. StatistikaP160 Statistika, operatsioonanalüüs, programmeerimine, finants- ja kindlustusmatemaatika 1.1. Matemaatika ja arvutiteadus (matemaatika ja teised sellega seotud teadused: arvutiteadus ja sellega seotud teadused (ainult tarkvaraarendus, riistvara arendus kuulub tehnikavaldkonda)100,0
PerioodSumma
01.01.2010−31.12.2010153 600,00 EEK (9 816,83 EUR)
01.01.2011−31.12.20119 817,20 EUR
01.01.2012−31.12.20129 326,40 EUR
01.01.2013−31.12.20139 326,40 EUR
38 286,83 EUR

Projekti eesmärk on arendada ja rakendada mitmemõõtmelisi statistilisi meetodeid kõrgdimensionaalsete immunoloogiliste andmete analüüsimiseks. Tuberkuloos (TB), mida põhjustab Mycobacterium tuberculosis (MTB), on oluliseks ohufaktoriks inimpopulatsioonile. Aastal 2003 diagnoositi 8,8 miljonit uut TB juhtu ja 1,75 TB surmajuhtu. Maailma Tervishoiuorganisatsioon (WHO) on esitanud tellimuse luua uus usaldusväärne metoodika TB diagnoosimiseks ja vaktsiini mõju hindamiseks. Globaalne TB seire ja profülaktika nõuab universaalselt mõjusaid vaktsiine ja reagente spetsiifilisteks diagnoosimisteks. Selleks on omakorda erakordselt oluline osata isoleerida ja identifitseerida MTB antigeene ja saadud informatsiooni aluselt leida valke, mis võiksid olla TB vaktsiini kandidaatideks. Viimasel aastakümnel kiiresti arenenud antigeenide kiiptestimise tehnoloogia võimaldab jälgida samaaegselt tuhandeid peptiide ühes bioloogilises näidises. Suure läbilaskevõimega analüsaatoritest saadava informatsiooni efektiivseks kasutamiseks on tarvis analüüsida mahukaid andmehulkasid. Eelnevalt on tarvis selgitada andmete struktuuri ja filtreerida andmetest välja ebakvaliteetsed mõõtmistulemused. Me oleme oma varasemates töödes arendanud robustse (veakindla) katseplaneerimise meetodeid ja kiipide abil saadud analüüsitulemuste valideerimise tehnikat. Oleme ka esitanud metoodika, mis võimaldab elimineerida kiipide andmestikes esinevaid süstemaatilisi vigu. Käesoleva projekti raames arendame statistilist metoodikat, mis aitab selgitada immuunreaktsioonide keerulist olemust. Esitame uued mitmemõõtmelised statistilised testid, mida saab rakendada kõrgdimensionaalsetel andmehulkadel interpreteeritavate mitmemõõtmeliste seosestruktuuride otsimiseks. See võimaldab leida peptiidide rühmi, mille abil saab üheselt iseloomustada TB patsiente ja vaktsineeritud terveid indiviide ning seega välja töötada paremaid diagnostilisi teste. Kasutades valgurühmade profiilanalüüsi, mida on eelnevalt kohandatud kõrgdimensionaalseteks uuringuteks, saab analüüsida vaktsineeritud indiviidide immuunsüsteemi pikaajalist muutumist ajas. See võimaldab projekteerida paremaid TB vaktsiine ning uurida ka teisi autoimmuunseid haigusi analoogilise metoodika abil. Kõiki projektis saadud teoreetilisi tulemusi on planeeritud rakendada reaalsetel andmetel koostöös Rootsi Nakkushaiguste Kontrolli Instituudi teaduritega.
The aim of this project ist o develop methodology for analysis immune responses in high-dimensional context. Tuberculosis (TB), caused by Mycobacterium tuberculosis (MTB), remains a major threat to the human population. In 2003, there were an estimated 8.8 million new cases of TB and 1.75 million TB deaths. The widely-used TB vaccine is largely ineffective. It is also difficult to discriminate vaccinated individuals from those with active disease, making diagnosis difficult. The WHO has requested new and robust marker assays to help diagnose TB and gauge vaccine uptake. To benefit from high-throughput experiments, the vast amounts of data produced need to be analyzed. Before analyzing data it is important to examine the structure of the data, filter the data to eliminate low-quality measurements. Results concerning the design, data validation procedure and removal of systematic bias in immune responses were presented in Nahtman et al (2006). In this project, we propose multivariate tests for significance that are combined with the search for interpretable multivariate structures. New statistical procedures could be used to solve the following problems arising in immunology. 1. To identify profiles of immunological parameters for different groups of patients. 2. To compare these groups in order to identify distinct profiles. Unique profiles for specific groups can be considered to be the ‘markers’. 3. To characterize the behavior of identified profiles in time. All theoretical results will be applied to data obtained by researchers from The Swedish Institute for Infectious Disease Control