MITOCHONDRIAL DISEASES: UNRAVELING THE CLINICAL MAZE BY OMICS AND ARTIFICIAL INTELLIGENCE

PRIN 2022 Valentino

Abstract

Le malattie mitocondriali primarie sono un gruppo eterogeneo di malattie ereditarie, rare, caratterizzate da un'elevata eterogeneità clinica e da complesse correlazioni genotipo-fenotipo. I tessuti maggiormente coinvolti sono quelli con elevato fabbisogno energetico come muscolo scheletrico, cuore, sistema nervoso centrale e periferico, fegato e reni. Queste malattie possono essere causate da mutazioni nel DNA mitocondriale e da mutazioni in geni nucleari che controllano la funzionalità mitocondriale. Con l'eccezione di poche sindromi ben definite, una delle peculiarità di queste malattie è la scarsa correlazione genotipo/fenotipo e la scarsa conoscenza della loro storia naturale. Le malattie mitocondriali primarie non hanno ancora trattamenti terapeutici efficaci e tra le principali limitazioni dei trials clinici vi sono la mancanza di misure di outcome e di biomarcatori utili da correlare con la progressione e/o la prognosi di queste malattie. Questo studio si propone di analizzare un’ampia coorte (250) di pazienti affetti dalle più comuni forme di malattia mitocondriale primaria: la sindrome MELAS, la sindrome MERRF e le Miopatie Mitocondriali Primarie. Il progetto prevede l’esecuzione di un’analisi del genoma e, in un sottogruppo di pazienti, l’analisi del trascrittoma sul tessuto muscolare scheletrico. La caratterizzazione del background genetico di questi pazienti potrebbe permettere l’identificazione di modulatori genetici del fenotipo clinico. I dati del background genetico insieme ai dati di storia clinica e ai dati genetici relativi alla mutazione causativa verranno poi analizzati con un approccio di intelligenza artificiale, il machine learning. Il machine learning potrebbe permettere lo sviluppo di algoritmi e modelli in grado di caratterizzare e predire la connessione tra biomarcatori genetici e stato clinico con la progressione della malattia e, in generale, di guidare e ottimizzare le procedure cliniche.

Project details

Unibo Team Leader: Maria Lucia Valentino

Unibo involved Department/s:
Dipartimento di Scienze Biomediche e Neuromotorie

Coordinator:
Università di PISA(Italy)

Total Unibo Contribution: Euro (EUR) 71.105,00
Project Duration in months: 24
Start Date: 18/10/2023
End Date: 28/02/2026

Funding bodies' logos