Projekts tiek veikts Eiropas Reģionālā attīstības fonda (ERAF) darbības programmas “Izaugsme un nodarbinātība” 1.1.1. specifiskā atbalsta mērķa “Palielināt Latvijas zinātnisko institūciju pētniecisko un inovatīvo kapacitāti un spēju piesaistīt ārējo finansējumu, ieguldot cilvēkresursos un infrastruktūrā” 1.1.1.2. pasākums “Pēcdoktorantūras pētniecības atbalsts” ietvaros.

Projekta nosaukums: „Otrā tipa cukura diabēta klīnisko apakštipu identificēšana un farmakoģenētikas pielietojamība personalizētas antidiabētiskās terapijas izstrādē”

Projekta identifikācijas Nr. 1.1.1.2/VIAA/2/18/287

Projekta izpildes termiņš: 2019. gada 1. marts – 2022. gada 31. oktobris

Projekta kopējais finansējums: 133 806,00 EUR

Projekta īstenotājs: Dr. biol. Raitis Pečulis

Projekta kopsavilkums:

Pētniecības zinātniskais mērķis ir veikt 2.tipa diabēta (2TD) pacientu riska grupu identifikāciju un personalizētas antidiabētiskās terapijas izpēti, veicot liela apjoma ģenētiskās analīzes un datu apstrādi ar jaunākajām datu apstrādes un analīzes metodēm.(kas atbilst otrajam VSS prioritārajam virzienam “Biomedicīna, medicīnas tehnoloģijas, biofarmācija un biotehnoloģijas”). Paralēli, zinātniskajam mērķi šī projekta ievaros tiks izveidota pēcdoktoranta pozīcija Latvijas Biomedicīnas pētījumu un studiju centrā (BMC), kurā notiks pētījuma pieteikuma īstenošana (saskaņā ar SAM).

Galvenās aktivitātes mērķa sasniegšanai būs (1) klīnisko fenotipu asociācija ar terapijas iznākumu >3 800 pacientiem, (2) Famrakoģenētisko marķieru replikācija, (3) padziļināta datu analīze ar klāsterizācijas un neirālo tīklu metodēm (4) projekta koordinācija un informācijas apmaiņa.

Informācija publicēta 01.03.2019.

Projekta progress

2019. gada 1. marts – 2019. gada 31. maijs

Laika posmā no 01.03.2019. līdz 31.05.2019. tika novērtēts pieejamo variabļu un metadatu spektrs no “Ar noteiktām slimībām slimojošu pacientu reģistra par pacientiem, kuriem diagnosticēts cukura diabēts”, Valsts iedzīvotāju genoma datubāzes (VIGDB), kā arī Latvijas iedzīvotāju nāves cēloņu datu bāzes. Tika izvēlētas datu analīzes un uzglabāšanas metodes. Centrālās medicīnas ētikas komitejai (CMĒK) tika iesniegts pieteikums projekta apstiprināšanai. Tika sagatavots pieteikums papildu datu iegūšanai no UK Biobank resursiem. Publikācijas “All-cause mortality risk in adults with and without type 2 diabetes: findings from the Genome Database of the Latvian Population” uzmetums tika sagatavots saskaņā ar BMC Public Health žurnāla vadlīnijām.

Informācija publicēta 31.05.2019.

Projekta progress

2019. gada 1. jūnijs – 2019. gada 31. augusts

Referenču programmā Mendeley tika izveidota un sakārtota publikāciju datu bāze. Tika izpētīti klīniskie fenotipi un antropometriskie mērījumi, kas saistīti ar diabēta komplikācijām un atbildi uz terapiju. Iespējamās asociācijas tika analizētas publiskās datu bāzēs The NHGRI-EBI GWAS Catalog un GWAS Central. Tika analizētas metodes, kas tika lietotas iepriekšējos fenotipu pētījumos. Tika apgūtas R packages ggplot2, dyplr, foreign, cluster u.c., kas ir noderīgas datu apstrādei un rezultātu vizualizācijai.

Informācija publicēta 30.08.2019.

Projekta progress

2019. gada 1. septembris – 2019. gada 30. novembris

Septembrī tika pabeigta datu statistiskā analīze un uzsākta gatavošanās mobilitātei. Papildus laiks tika veltīts Python un LINUX apgūšanai. No 01.10.2019.-30.11.2019 pētniece strādāja Igaunijas Genoma centrā. Šajā laikā tika uzsākta Visa Genoma analīzes apmācības un darbs ar datu analīzi Tartu universitātes datorsistēmā (cluster). Datu analīzes un izpētes metožu salīdzinājums tika noteikts pēc to efektivitātes un kvalitātes.

Informācija publicēta 29.11.2019.

Projekta progress

2019. gada 1. decembris– 2020. gada 29. februāris

No 01.12.2019.-29.02.2019 pētniece strādāja Igaunijas Genoma centrā. Tika pabeigta datu salīdzināšana un uzlabots fenotipu apraksts ar skaidrojošām tabulām un attēliem. Laiks tika veltīts R un GWAs izpētei. Salīdzinājumā iegūti dati par būtiskākajiem fenotipiem, kas ir saistīti ar diabēta izcelšanos un attīstību un izpētīta situācija Latvijā divās apakšgrupās (1TDM un 2TDM), kā arī pielietotas Igaunijā apgūtas metodes kohortu salīdzināšanai. 

Informācija publicēta 28.02.2020.

Projekta progress

2020. gada 1. maijs– 2020. gada 31. Jūlijs

Pēc projekta izpildītāja nomaiņas veikta līdz šim iegūto datu apkopošana un sekojoša GWAS analīze otrā tipa diabēta pacientiem. No iegūtajiem rezultātiem izveidots poligēnā riska modelis un Latvijas iedzīvotāju populācijas stratifikācijas modelis. Veikta fenotipisko un ģenētisko datu apkopošana otrā tipa diabēta pacientiem ar komplikācijām, ar plānu analizēt pacientus atsevišķās grupās. Apmeklēta  ESHG 2020 virtuālā konference. 

Informācija publicēta 31.07.2020.

Projekta progress

2020. gada 1. augusts– 2020. gada 31. oktobris

Veikta papildus diabēta pacientu visa genoma genotipēšana ar Human GSA čipu. Veikta asociācijas analīze otrā tipa diabēta pacientiem ar diabēta izraisītām komplikācijām un viņu genotipiem. Atsevišķu grupu analīze uzrāda variabilitāti diabēta komplikāciju ģenētiskajam fonam. No iegūtajiem datiem sagatavoti rezultāti publicēšanai un grafiskie rezultātu attēlojumi. Tiek pētītas iespējas apgūt un pielietot neironu tīklus diabēta komplikācijas izraisošo ģenētisko marķieru nozīmes noteikšanā. 

Informācija publicēta 30.10.2020.

Projekta progress

2020. gada 1. novembris– 2021. gada 31. janvāris

Publikācija par diabēta komplikācijām tika akceptēta un ir publicēta starptautiskā žurnālā: „Novel susceptibility loci identified in a genome-wide association study of type 2 diabetes complications in population of Latvia”, Ustinova, M., Peculis, R., Rescenko, R., Pirags, V., Klovins, J. BMC Medical Genomics, 2021, 14(1), 18.

Fenotipa un farmakogenomikas dati par pieejamiem pacientiem ar sulfanilurea terapiju ir apkopoti starptautiskam sadarbības pētījumam. Visa genoma genotipēšanas čipa dati, kas iegūti novembrī tika analizēti un pievienoti iepriekš iegūtajiem rezultātiem.

Projekta vidusposma atskaite tika iesniegta neatkarīgam starptautiskam ekspertam projekta virzības izvērtēšanai. Saņemts pozitīvs vērtējums.

Informācija publicēta 29.01.2021.

Projekta progress

2021. gada 1. februāris– 2021. gada 30. aprīlis

Projektā iegūtie rezultāti apstiprināti prezentēšanai starptautiskā konferencē ESHG 2021. Pēc diabētu komplikāciju datu publicēšanas, turpināta datu apkopošana un sistematizēšana farmakoģenētikas analīžu veikšanai. Izpētīta un apkopota jaunākā literatūra diabēta, metabolā sindroma un paaugstināta ķermeņa masas indeksa farmakoģenētikas jomā. Turpināta izpēte diabēta farmakoģenētikas modeļu izstrādei, izmantojot neironu tiklus. Mākslīgo neironu tīklu izstrādei veikta Matlab Neural Networks Toolbox un Neuroph (Java) lietošanas izpēte.

Informācija publicēta 30.04.2021.

Projekta progress

2021. gada 1. maijs– 2021. gada 31. jūlijs

Veikta papildus paraugkopas atlase genotipēšanai farmakoģenētikas izpētei. Veikta neironu tīklu programmu apguve un testēšana. Notiek darbs pie datu sagatavošanas modeļa izveidei. Tiek apzinātas iespējas apskatraksta par tēmu “Pharmacogenetics, clustering and complications” publicēšanai.

Informācija publicēta 30.07.2021.

Projekta progress

2021. gada 1. augusts– 2021. gada 31. oktobris

Šajā projekta periodā veikta papildus otrā tipa diabēta pacientu genotipēšana ar visa genoma čipiem, iegūtajiem datiem veikta kvalitātes kontrole un tie pievienoti farmakogenomikas izpētes grupai. Notiek neironu tīklus veidojošo programmu testēšana, izmantojot projekta laikā iegūtos projekta datus. Tiek veikta otrā tipa diabēta farmakogenomikas apskatraksta sagatavošana.

Informācija publicēta 29.10.2021.

Projekta progress

2021. gada 1. novembris– 2022. gada 31. janvāris

Laika posmā no 01.11.2021. līdz 31.1.2022. veikti darbi projekta 3. sadaļas izpildei: sagatavotas T2D analīzes paraugkopas apakškopu analīzei ar mašīnmācīšanās metodēm. Visa genoma genotipēšanas dati no visiem noteikšanas posmiem tika apvienoti un pievienota veselo kontroļu informācija (kas vairākos gadījumos iegūta izmantojot citus genotipēšans čipus) un atmesta informācija par nepārklājošiem SNP, jo citādi mašīnmācīšanās algoritms, visticamāk, restaurētu apakškopas, kas genotipētas ar dažādiem čipiem, dažādos laikos. Iegūtā, apvienotā genotipēšanas informācija tika izmantota T2D apakškopu analīzei, kuras rezultāti vēl tiek apkopoti. Informācija par iegūtajām apakškopām tiks izmantota, lai izveidotu prognostisku slimības gaitas modeli dažādām T2D pacientu grupām. Turpinās apskatraksta par T2D farmakoģenētiku sagatavošana.

Informācija publicēta 31.01.2022.

Projekta progress

2022. gada 1. februāris– 2022. gada 30. aprīlis

Laika posmā no 01.02.2022. līdz 30.04.2022. veikti nepieciešamie uzdevumi projekta noslēgšanai. No 1. marta līdz 20. aprīlim veikta atlikusī mobilitāte (Genomikas institūts, Tartu Universitāte e-mobilitātes formātā), kuras laikā pabeigta T2D apakškopu analīze un sagatavots rezultāta 3.1 dokuments: Apakškopu analīze. Tāpat e-mobilitātes laikā veikta papildus apmācība darbā ar mašīnmācīšanās algoritmiem, kas palīdzēja iegūt un uzlabot kvalitāti rezultātam 3.3: T2D modelis ārstēšanas iznākumam.

Pēdējo trīs projekta mēnešu laikā arī uzrakstīta publikācija par T2D farmakoģenētiku un dokuments rezultātam 2.4: apkopoti visu veikto visa genoma asociācijas pētījumu rezultāti vienā dokumentā. Veikta projekta noslēguma dokumentu sagatavošana.

Informācija publicēta 29.04.2022.

Projekta progress

2022. gada 1. maijs– 2022. gada 31. jūlijs

Apgūti un padziļināti pētīti mašīnmācīšanās algoritmi, lai sagatavotu kvalitatīvu pacientu datu apakškopu izveidi un mašīnmācīšanās modeļu izveidi. Veikta literatūras izpēte publikācijas sagatavošanai par diabēta apkšpopulāciju ietekmi uz klīnisko iznākumu. 

Informācija publicēta 29.07.2022.

Projekta progress

2022. gada 1. augusts– 2022. gada 31. oktobris

Mašīnmācīšanās algoritmi pielietoti otrā tipa cukura diabēta pacientu datiem, veikta datu normalizācija un pacientu stratifikācija, lai varētu izveidot mašīnmācīšanās modeļus, lai klasificētu pacientus un prognozētu biežos otrā tipa cukura diabēta klīniskos iznākumus: vāji kontrolētu HbA1c līmeni, otrā tipa diabēta vaskulārās komplikācijas un paaugstināto mirstību. Modeļi tika izveidoti un novērtēti Latvijas pacientu paraugkopā un to veiktspēja aprakstīta. Sagatavota publikācija par mašīnmācīšanās algoritmiem, pacientu apakškopām un klīniskajiem iznākumiem Latvijas otrā tipa cukura diabēta pacientos.

Informācija publicēta 31.10.2022.