HyperEvol-prosjekt

HyperEvol

Å lære og forutsi AMR evolusjonsveier ved bruk av hyperkubiskinferens

For å kunne forstå og forutsi hvordan bakterier tilegner seg AMR kreves det at vi lærer om deres evolusjonære dynamikk, noe som er en stor utfordring. Eksisterende metoder for å lære evolusjonsveier er begrensede og har ennå ikke blitt mye brukt på AMR. For å forstå hvordan patogener utvikler AMR trenger vi sårt nye inferenstilnærminger som kan oppdage evolusjonære prosesser fra ekte datasett, slik at vi kan bruke den store mengden fremvoksende klinisk data for å komme med prediksjoner som egner seg til inngripen.

I Bergen har vi utviklet HyperTraPS (hypercubic transition path sampling), en internasjonalt anerkjent komputasjonell- og matematisk tilnærming for å lære evolusjonære 'stier' ved hjelp av storskala biologiske data. Denne kraftige tilnærmingen vært svært vellykket, og hatt en stor innvirkning på vitenskapelige og offentlige sfærer. HyperEvol, som samler internasjonale matematikere, statistikere, mikrobiologer og klinikere, vil (i) foreta den nødvendige metodeutviklingen for å anvende denne tilnærmingen til AMR-evolusjon; (ii) koble denne kraftige utviklingen til nye data fra kliniske patogener i Norge og Afrika for å lære og forutsi hvordan AMR utvikler seg i disse tilfellene; (iii) gjøre denne utviklingen og funnene offentlig og internasjonalt tilgjengelig for global anvendelse. Vi er derfor i en spennende posisjon der matematisk utvikling og tverrfaglige sammenhenger vil være et globalt verktøy for å lære hvordan AMR utvikler seg i forskjellige patogener, befolkninger og land.

Gitt en ny stamme av et patogen som er observert i klinikken, med en bestemt legemiddelresistensprofil, vil vi være i stand til å forutsi de mest sannsynlige legemidlene som den vil utvikle resistens mot, og skreddersy kliniske beslutninger og behandlingsstrategier deretter. Vi vil være i stand til å analysere om geografi, demografi eller andre variabler former AMR-evolusjon i gitte patogener, eller om evolusjonsveier er "universelle". Vi vil også lære grunnleggende biologi - hvilke genetiske og / eller medisinske resistensfunksjoner er det som øker (eller reduserer) sannsynligheten for at andre utvikler seg?

 

Om prosjeklederen

© Øystein Rygg Haanæs
© Øystein Rygg Haanæs

Iain Johnston

Iain er professor ved Institutt for matematikk og assisterende gruppeleder ved beregningsbiologienheten. Forskningen hans bruker matematiske og statistiske tilnærminger for å lære om biomedisinske prosesser, spesielt de som involverer et tilfeldig aspekt (som evolusjon). Han har vunnet en ERC starter grant, presidentsmedaljen i Society of Experimental Biology, og arbeidet hans har nylig blitt omtalt i New York Times, Le Monde og mange andre internasjonale medier.

Mer om HyperEvol

Se Iains videopresentasjon fra CAMRIA-åpningen som forklarer prosjektet:

Vil du bli med i HyperEvol-teamet?

Søk på en postdoktorstilling knyttet til prosjektet (søknadsfrist: 1. august 2022):