Precīzijas medicīnas grupa (J.Kloviņa grupa)
Precīzijas medicīnas grupa veic pētījumus personalizētās medicīnas jomā, koncentrējoties uz molekulāro mehānismu izpēti, kas nosaka hronisku slimību attīstību, norisi un individuālu terapijas atbildi. Mēs integrējam genomikas, transkriptomikas, epigenomikas, metabolomikas un mikrobioma datus ar modernām bioinformātikas un datu integrācijas pieejām, lai identificētu klīniski nozīmīgus bioloģiskos ceļus, riska faktorus un biomarķierus.
Grupas darbs balstās uz populācijas mēroga datiem un longitudināliem klīniskiem pētījumiem, cieši sadarbojoties ar ārstniecības iestādēm un izmantojot LBMC pārraudzībā esošās biobankas resursus (Valsts iedzīvotāju genoma datubāze). Paralēli klīniskajiem pētījumiem mēs izmantojam eksperimentālus modeļus un funkcionālas pieejas, lai nodrošinātu mehānistisku interpretāciju un translacionālu pielietojamību.
Mūsu pētījumi aptver metabolās un kardiometabolās slimības, gastrointestinālo veselību un mikrobioma disbalansu, iekaisīgas un deģeneratīvas slimības (tostarp iekaisīgo osteoartrītu), infekciju sekas (COVID-19 un garo COVID), kā arī onkoloģiskos pētījumus ar uzsvaru uz pediatriskajiem audzējiem. Būtiska grupas darbības daļa ir arī populācijas veselības riska stratifikācija un biomarķieru identificēšana slimību prevencijai.
Papildus akadēmiskajiem pētījumiem grupa aktīvi attīsta digitālus risinājumus un datu infrastruktūras, kas veicina omiku zināšanu ieviešanu klīniskajā praksē un stiprina precīzijas medicīnas ekosistēmu Latvijā un Eiropas līmenī.
Jānis Kloviņš, PhD
Zinātniskās grupas vadītājs, vadošais pētnieks
Personāls
Jānis Kloviņš, PhD, prof., klovins@biomed.lu.lv
Monta Brīvība, PhD, monta.briviba@biomed.lu.lv
Ilze Elbere, PhD, ilze.elbere@biomed.lu.lv
Laila Silamiķele, PhD, laila.silamikele@biomed.lu.lv
Ivars Silamiķelis, MSc. biol., ivars.silamikelis@biomed.lu.lv
Laura Ansone, MSc. biol., laura.ansone@biomed.lu.lv
Maija Rozenberga, MSc. biol., maija.rozenberga@biomed.lu.lv
Alvis Brāzma, PhD
Līga Eliņa, BSc. biol., liga.birzniece@biomed.lu.lv
Ivanna Atava, ivanna.atava@biomed.lu.lv
Lauma Jagare, lauma.jagare@biomed.lu.lv
Laura Bunka, laura.bunka@biomed.lu.lv
Līva Pelcmane, liva.pelcmane@biomed.lu.lv
Aivars Cīrulis, PhD, aivars.cirulis@biomed.lu.lv
Edgars Laķis, PhD, edgars.lakis@biomed.lu.lv
Rolands Strazdiņš, rolands.strazdins@biomed.lu.lv
Annija Zodāne, annija.zodane@biomed.lu.lv
Alvīne Helēna Janševska, alvine.jansevska@biomed.lu.lv
Jomas sadarbības partneru meklēšanai
Pētniecības virzieni
Genomika precīzijas medicīnai: monogēno un poligēno pazīmju analīze, populācijas struktūras raksturošana, riska modeļu izstrāde un klīniska interpretācija.
Farmako-omika un saimniekorganisma–mikrobioma mijiedarbība dažādu slimību kontekstā: dzīves stila, zāļu terapijas efektivitātes un blakņu bioloģisko determinantu identificēšana un interpretācija.
Klīniskās un veselības jomas pētījumos
- Metabolās slimības un glikozes vielmaiņas traucējumi
(tostarp 2. tipa cukura diabēts un ar to saistīti kardiometabolie riska profili), analizējot ģenētiskos, molekulāros un mikrobioma faktorus, kā arī individuālu terapijas atbildes variabilitāti. - Lipīdu vielmaiņas traucējumi un kardiovaskulārais risks
(tostarp ģimenes hiperholesterinēmija), ar mērķi raksturot molekulāros un ģenētiskos determinantu slāņus un to klīnisko nozīmi riska stratifikācijā. - Gastrointestinālās veselības traucējumi un mikrobioma disbioze
saimniekorganisma, uztura un zarnu mikrobiotas mijiedarbības kontekstā. - Iekaisīgas un deģeneratīvas slimības
īpaši iekaisīgais osteoartrīts, pētot iekaisuma mehānismus un sistēmisku metabolu/mikrobioma faktoru ieguldījumu slimības norisē. - Infekciju slimību sekas un pēcinfekcijas stāvokļi
tostarp COVID-19 un garais COVID, identificējot molekulāros, metaboliskos un imunoloģiskos faktorus, kas saistīti ar slimības norisi un atveseļošanos. - Onkoloģija
īpaši pediatriskie audzēji, izmantojot omiku profilēšanu un integrētu bioinformātiku molekulāro raksturojumu un klīniski nozīmīgu pazīmju identificēšanai. - Veselības stāvokļi vispārējā populācijā
riska stratifikācija, biomarķieru atklāšana un slimību prevencijas pieejas, balstoties genomikas un multi-omikas datos.
Mūsu kompetences sadarbībai
- Multi-omikas pētījumu dizains un īstenošana: kohortu izveide, paraugu loģistika, pētījumu stratēģijas izstrāde, analīzes plānošana un izpilde.
- Genoma datu interpretācija un riska modelēšana: monogēno gadījumu analīze, poligēnā riska modeļu izstrāde un populācijas specifiska validācija.
- Mikrobioma analīze un integrācija ar klīniskiem un dzīvesstila datiem: īpaši metabolu un gastrointestinālo slimību kontekstā.
- Terapijas atbildes un blakņu bioloģisko determinantu izpēte: farmako-omika, saimniekorganisma–mikrobioma–zāļu mijiedarbības analīze.
- Biomarķieru atklāšana un validācija: metabolomikas, transkriptomikas un epigenomikas biomarķieri prognozei, stratifikācijai un monitorēšanai.
- Longitudināli un intervences pētījumi: diētas, dzīvesstila un mikrobiomu modulējošu pieeju izvērtēšana; stratifikācija pēc ģenētiskā riska un molekulāriem profiliem.
- Anaerobā mikroorganismu kultivēšana un funkcionāli mikrobioma pētījumi: izolātu iegūšana, funkcionāla raksturošana un mehānismu izpēte.
- Digitālo risinājumu un datu infrastruktūru izstrāde: pētījumu datu sistēmas, integrācija, automatizētas analīzes un savietojamība ar nacionālām un Eiropas platformām.
10 reprezentatīvas publikācijas
- Ansone L, Briviba M, Silamiķelis I, Terentjeva A, Perkons I, Birzniece L, et al. Amino Acid Metabolism is Significantly Altered at the Time of Admission in Hospital for Severe COVID-19 Patients: Findings from Longitudinal Targeted Metabolomics Analysis. Microbiology Spectrum [Internet]. 2021;9(3).
- Elbere I, Silamiķelis I, Dindune II, Kalnina I, Briviba M, Zaharenko L, et al. Baseline gut microbiome composition predicts metformin therapy short-term efficacy in newly diagnosed type 2 diabetes patients. PLoS ONE [Internet]. 2020;15(10 October).
- Lammi V, Nakanishi T, Jones SE, Andrews SJ, Karjalainen J, Cortés B, et al. Genome-wide association study of long COVID. Nature Genetics. 2025;57(6):1402–17.
- Elbere I, Orlovskis Z, Ansone L, Silamiķelis I, Jagare L, Birzniece L, et al. Gut microbiome encoded purine and amino acid pathways present prospective biomarkers for predicting metformin therapy efficacy in newly diagnosed T2D patients. Gut Microbes [Internet]. 2024;16(1).
- Atava I, Briviba M, Nesterovics G, Saripo V, Gilis D, Meiere R, et al. Improved Genetic Characterization of Hypercholesterolemia in Latvian Patients with Familial Hypercholesterolemia: A Combined Monogenic and Polygenic Approach Using Whole-Genome Sequencing. International Journal of Molecular Sciences [Internet]. 2024;25(24).
- Ansone L, Rovite V, Briviba M, Jagare L, Pelcmane L, Borisova D, et al. Longitudinal NMR-Based Metabolomics Study Reveals How Hospitalized COVID-19 Patients Recover: Evidence of Dyslipidemia and Energy Metabolism Dysregulation. International Journal of Molecular Sciences [Internet]. 2024;25(3).
- Niemi MEK, Karjalainen J, Liao RG, Neale BM, Daly M, Ganna A, et al. Mapping the human genetic architecture of COVID-19. Nature. 2021;600(7889):472–7.
- Silamiķele L, Silamiķelis I, Briviba M, Kalniņa Z, Elbere I, Petrovska R, et al. Metformin Strongly Affects Gut Microbiome Composition in High-Fat Diet-Induced Type 2 Diabetes Mouse Model of Both Sexes. Frontiers in Endocrinology [Internet]. 2021;12.
- Briviba M, Pečulis R, Rescenko R, Rovite V, Zaharenko L, Elbere I, et al. Novel susceptibility loci identified in a genome-wide association study of type 2 diabetes complications in population of Latvia. BMC Medical Genomics [Internet]. 2021;14(1).
- Silamiķele L, Saksis R, Silamiķelis I, Kotoviča PP, Briviba M, Kalnina I, et al. Spatial variation of the gut microbiome in response to long-term metformin treatment in high-fat diet-induced type 2 diabetes mouse model of both sexes. Gut Microbes [Internet]. 2023;15(1).