Benutzerspezifische Werkzeuge
Sie sind hier: Startseite Lehre Abschlussarbeiten Themen für Abschlussarbeiten (Bachelor, Master, Diplom) Vorhersage des HIV-1 Korezeptor- Tropismus mittels maschineller Lernverfahren

Vorhersage des HIV-1 Korezeptor- Tropismus mittels maschineller Lernverfahren

Bachelor- oder Masterarbeit im Fachgebiet Bioinformatik - Supervisor: Prof. Dmitrij Frishman (d.frishman@wzw.tum.de), Prof. Dr. Dominik Heider (d.heider@wz-straubing.de)

 

Nach Schätzungen der WHO (World Health Organization) kam es im Jahre 2011 zu 2,7 Millionen Neuinfektionen mit HIV und 1,8 Millionen Menschen sind an den Folgen der HIV-Erkrankung gestorben. HIV ist damit, nach Atemwegsinfektionen, die Infektionskrankheit mit den meisten Todesfällen. Mittlerweile sind mehr als 37 Millionen Menschen an AIDS gestorben.

Antivirale Behandlung kann die Virusreplikation in HIV-infizierten Patienten unterdrücken und somit das Fortschreiten der Infektion verhindern. Jedoch treten aufgrund der hohen Mutationsrate von HIV immer wieder Resistenzen auf, die die antivirale Behandlung unwirksam machen. Neue Medikamente, wie die Entry-Inhibitoren ermöglichen neue Therapieansätze und somit eine Alternative zur klassischen Behandlung. Die bisher wichtigste Gruppe der Entry-Inhibitoren stellen die sogenannten Korezeptor-Antagonisten dar, welche spezifisch an den CCR5-Rezeptor der Wirtzellen binden. Dadurch wird der Eintritt der Viren in die Zelle verhindert. Es existieren jedoch zwei Varianten von HIV-1: Die erste Gruppe nutzt den eben beschriebenen CCR5-Rezeptor, eine zweite Gruppe einen alternativen Rezeptor, den CXCR4. Für diese Gruppe der X4-Viren, wirken die Entry-Inhibitoren daher nicht.

Die computergestützte Klassifikation und Vorhersage des Korezeptor-Tropismus eines Virus (d.h. CCR5 oder CXCR4) ist daher von großer Bedeutung sowohl für die HIV-Forschung als auch im klinischen Alltag. In diesem Projekt sollen existierende Computermodelle (siehe Literatur) mit einem bereits vorhandenen Datensatz verglichen und evaluiert werden. Dabei soll insbesondere auf die HIV-1 Subtypen C und A eingegangen werden, welche in Süd- und Zentralafrika, Indien, Pakistan sowie Südostasien, bzw. Russland präsent sind. Für diese Subtypen soll dann ein maßgeschneidertes Vorhersagemodell in der Programmiersprache R erstellt werden.

 

Literatur

  •  Dybowski J. N., Heider D., Hoffmann D.: Prediction of co-receptor usage of HIV-1 from genotype, PLoS Computational Biology 2010, 6(4):e1000743. 

  •  Lengauer T., Sander O., Sierra S., Thielen A., Kaiser R.: Bioinformatics prediction of HIV coreceptor usage, Nat Biotechnol 2007, 25(12):1407-10.

  •  Cashin K., Gray L.R., Jakobsen M.R., Sterjovski J., Churchill M.J., Gorry P.R.: CoRSeqV3-C: a novel HIV-1 subtype C specific V3 sequence based coreceptor usage prediction algorithm, Retrovirology 2013, 10:24.

     

Kontakt

Prof. Dmitrij Frishman, Fachgebiet Bioinformatik, Wissenschaftszentrum Weihenstephan, d.frishman@wzw.tum.de

Prof. Dr. Dominik Heider, Fachgebiet Bioinformatik, Wissenschaftszentrum Straubing, d.heider@wz-straubing.de

Artikelaktionen