БИОСОФТ. цифровая медицина

www.biosoft.ru

Технология поиска биомаркеров и терапевтических мишеней in silico

Стельмашенко ДарьяКреативный директор ООО «БИОСОФТ.РУ»

Персонализированная медицина в один клик…

Цифровой помощник врача - цифровая медицинаВидеть лучше чем врач

А что тут

искать?

Что такое «Биомаркер»?температурапульсдавлениепростые показатели крови

Раньше

Сейчас геныбелки up/down regulation

Тровафлоксацин (Pfizer) – 1996г.

А в чем собственно проблема?Общий для всех пациентов

статистический подход

Ожидался $1 млрд. в год

Принес всего $160 млн.

6 смертей из-за острой печеночной недостаточности

Запрещен FDA в 1999 г.

Персонализированный подход к лечению каждого пациента

Стратификация пациентов согласно

молекулярным подтипам

заболевания

Биомаркеры- Диагностические- Терапевтические- Прогностические

Так задача решена?

НЕТ!Найти подходящий

биомаркер очень сложно!

Сигнал, поступаю-

щий на рецептор

клетки

Модель внутриклеточной сети передачи сигнала или почему найти биомаркер – это нетривиальная задача

Белок, вызывающий активацию других генов и белков, в результате чего в конечном счете активизируются или, наоборот, перестают работать определенные гены и клетка переходит в патологическое состояние

Белок, вызывающий активацию других генов и белков, в результате чего в конечном счете активи-руются или, наоборот, перестают работать определенные гены и клетка переходит в патологическое состояние

03/05/2023

Master regulator

Механизм поиска «мастер-регулятора»

Технология BioUML platform

Норма Патология

Ранний эпигеномный биомаркер, связанный с механизмом патологии

Метилирование энхансеров –«шагание» сигнальных

путей

Genome,TranscriptomeProteome,Metabolome

DNA methylation

Compound N15 10mg/kg

Compound N15 50mg/kg

Контроль

Технология – пример примененияПо ключевым факторам создан новый мультитаргетный препарат,

ингибирующий рост колоректальной опухоли (по данным ксенографии)

Ключевые члены командыАлександр Кель, к.б.н.Большой опыт в руководства крупными международными проектами по биоинформатике и системной биологии (академический опыт: 30 лет, индустриальный опыт: 15 лет). Основатель четырех биоинформатических стартап компаний.

Федор Колпаков, к.б.н.Большой опыт руководства коллективом программистов-исследователей из более чем 40 человек, успешный опыт реализации международных проектов в области системной биологии и разработки биоинформационных продуктов. Основатель трех стартап компаний..

Максим Филипенко, к.б.н.Ведущий ученый в области молекулярной биологии и генной инженерии. Проводил большое медико-биологическое исследование по инфекционным и онкологическим заболеваниям, а также заболеваниям иммунной системы. Академический опыт: 20 лет, индустриальный опыт: 5 лет.

Дарья СтельмашенкоСпециализируется на математических методах построения онтологий и анализе фор-мальных понятий. Имеет большой опыт привлечения инвестиций (в том числе грантов), а также новых партнеров и клиентов в научно-исследовательские проекты коллектива.

Владимир Поройков, д.б.н., к.ф.-м.н.Ведущий ученый в сфере биоинформатики и компьютерного конструирования лекарств. В область основных компетенций входит поиск и приоритезация фармакологических мишеней и их лигандов. Имеет большой опыт руководства разработкой компьютерных программ и баз данных. Обладает успешным опытом их коммерциализации.

Wolfenbuettel, Germany

Новосибирск, Россия

Москва, РоссияНаши представительства

Tokyo, Japan

Карта расположения наших клиентов и партнеров

Полученное финансирование

Европейские гранты Российские гранты

EPITEMAB

MyPathSem 

Цифровая медицина

Успех кроется в тесной

кооперации врачей и ученых

Спасибо за внимание!

Дарья СтельмашенкоКреативный директор[email protected]+7(926)185-20-62

www.biosoft.ru

Чем наша технология отличается от конкурентов?

1) Ingenuity; 2) GeneGo; 3) Ariadne Genomics; 4) CLC-Bio; 5) Genomatix; 6) SevenBridges; 7) Accelrys.

BioUML platform

Competition in pathway analysis1), 2), 3)

Competition in NGS data analysis4),5),6),7)

Gene set enrichment analysis ✔ ✔ ✔Mapping to pathways ✔ ✔Network analysis ✔ ✔Analysis of promoters ✔ ✔Upstream analysis as integrated promoter and network analysis ✔

Integrated workflows ✔ ✔Analysis of raw NGS and microarray data ✔ ✔

Робастные биомаркеры, устойчивые к статистической вариации выборки пациентов.

Универсальная биоинформационная платформа BioUML.

Чувствительные к выборке пациентов биомаркеры.

Очень ограниченноепо своим возможностям ПО.

КонкурентыРешение, предлагаемое проектом

Статистические экспрессионные биомаркеры

Эпигенетические биомаркеры, указывающие на причину нарушения генной экспрессии

Сравнительный анализс конкурентами

Направленный поиск уникальной комбинации биомаркеров с наиболее высокой чувствительностью и специфичностью, основанный на механизме заболевания.

Слепой переборный поиск комбинации биомаркеров с низкими итоговыми значениями чувствительности и специфичности.

Биомаркеры, основанные на знании механизма заболевания, что ускорит процесс прохождения FDA

Статистически найденные биомаркеры без объяснения механизма заболевания

Связанные с мишенями заболевания биомаркеры, позволяющие моментально производить выбор оптимальной терапии.

Простые диагностические биомаркеры.

? Master regulator ?

Шагающие пассвеи

«Walking pathways»

SSCUnipotent Spermatogonial stem cells

mSSCMultipotent Spermatogonial stem cells

Cultivation

Fgf4 Tek Inpp5d Oct4 Nanog Lefty2 Cdh1 Bmp4 Pml

Results of master regulator search in pSSC

Pluripotent Spermatogonial stem cells

w

...

Start of transcription

...

]1[1s

)1(1s

)(1

ks )( ks...)2(1s

]1[2s

]1[maxd

Шаг 1: С помощью генетического алгоритма в геноме находятся кластеры сайтов связывания транскрипционных факторов – потенциальные онко-специфичные энхансеры вокруг метилированных CpG (красная звезда)

mk

Технология

Шаг 2: С помощью алгоритмов топологичес-кого анализа графов находятся такие мети-лированные энхансеры, которые создают основу для положительных обратных свя-зей (ПОС) через усиление экспрессии белков (красные и оранжевые овалы), регулирую-щих активность транскрипционных факто-ров данного энхансера.

ПОС

TF site enrichment analysis • Use cases:

• Find transcription factors for co-regulated gene set• Identify motifs “co-enriched” in ChIP-seq regions

Yes sequences

No sequences

• Which binding sites are significantly enriched in the Yes sequences?

• Site optimization tool• Automatic threshold optimization• One-sided binomial test for

significant enrichment of sites

NoYes

Yes

NoYes

Yes

kNkN

nk

SitesSitesNSitesn

SeqSeqSeqp

ppkN

nkP

###

###

)1()(

Fitness function of theGenetic-Regression Algorithm (GRA)

kNTFPFNRF )1()1()1(

FN – false negatives

FP – false positives

T – T-test (difference between mean values)

N – normal likeness

k – number of free parameters

R – linear regression

score

# promoters

FN FP

N