Andrzej Bednarek

nauki medyczne, nauki o zdrowiu, nauki farmaceutyczne

Zakład Kancerogenezy Molekularnej

Wydział Lekarski

Trans-omiczna integracja danych wielkoskalowych w modelowaniu nieliniowych sieci sygnałowych i metabolicznych w chorobach nowotworowych i metabolicznych. Współczesna biomedycyna stoi przed wyzwaniem integracji ogromnych zbiorów danych (Big Data) pochodzących z różnych poziomów organizacji komórkowej. Choroby nowotworowe oraz metaboliczne (takie jak cukrzyca typu II) charakteryzują się wysokim stopniem złożoności i wzajemnymi powiązaniami na poziomie szlaków sygnałowych i metabolicznych. Istotnym problemem badawczym jest zrozumienie, w jaki sposób zróżnicowanie metabolizmu oraz zaburzenia komunikacji wewnątrzkomórkowej wpływają na różnicowanie komórek i progresję choroby. Szczególnym punktem odniesienia w tych badaniach jest rola białek wielofunkcyjnych, takich jak supresor nowotworowy i regulator metaboliczny WWOX, którego analiza pozwala na badanie mechanizmów łączących onkogenezę z zaburzeniami homeostazy metabolicznej. Wykorzystanie klasycznej statystyki często zawodzi w obliczu nieliniowości procesów biologicznych, dlatego konieczne jest zastosowanie zaawansowanych aparatów matematycznych i uczenia maszynowego. Głównym celem projektów prowadzonych w zakładzie jest opracowanie zintegrowanego modelu trans-omicznego, który wyjaśni dynamikę szlaków sygnałowych i metabolicznych zaangażowanych w rozwój wybranych nowotworów oraz cukrzycy typu II, choroby sercowo-naczyniowe. Cele szczegółowe obejmują: Identifikację uniwersalnych i specyficznych dla danej jednostki chorobowej markerów progresji, podtypów molekularnych oraz wrażliwości na leczenie. Wyjaśnienie wpływu zaburzeń metabolicznych na procesy różnicowania komórkowego przy użyciu podejścia systems medicine. Analizę funkcjonalną roli genu i białka WWOX jako kluczowego węzła integrującego sygnały pro-onkogenne i metaboliczne. Budowę modelu mechanistycznego pozwalającego na symulację odpowiedzi układu biologicznego na czynniki zewnętrzne i terapeutyczne. Wykorzystywane metody badawcze: Projekt opiera się na strategii łączącej zaawansowane analizy obliczeniowe z weryfikacją eksperymentalną: Analizy in silico (Wielkoskalowe): Eksploracja i integracja publicznych baz danych (TCGA, GEO, ProteomeXchange, metabolomika) przy użyciu języków R i Python. Modelowanie matematyczne: Zastosowanie uczenia maszynowego (sieci neuronowe) do klasyfikacji danych i predykcji markerów. Wykorzystanie algebry nieliniowej do opisu dynamiki procesów oraz logiki rozmytej (fuzzy logic) do modelowania niepewności danych i złożonych zależności regulacyjnych. Badania eksperymentalne: Wykorzystanie danych własnych zespołu oraz przeprowadzenie celowanych doświadczeń in vitro/ex vivo w celu walidacji wyników uzyskanych drogą obliczeniową (np. badania zmian ekspresji, profilowanie metaboliczne po modyfikacji genu WWOX).

trans-omika, biologia systemowa, uczenie maszynowe, logika rozmyta, algebra nieliniowa, nowotwory, cukrzyca typu II, gen WWOX, biomarkery, mechanistyczne modelowanie