Sinds 2019 heeft de 101 Genomes Foundation het voorrecht om samen te werken met drie organisaties die gespecialiseerd zijn in bio-informatica, genetica en algoritmen (IB², CHG en MLG) in het Genomes4Brussels-project dat medegefinancierd wordt door het Brussels Gewest (Innoviris).
Genome4Brussels heeft als doel een ecosysteem te creëren om de ontwikkeling van bioinformatica tools voor genoomanalyse te optimaliseren en de overdracht naar het grote publiek van de innovatie en kennis verworven tijdens het project te vergemakkelijken.
Sofia Papadimitriou, onderzoeker (IB)², beantwoordt Ludivine’s vragen en legt haar betrokkenheid bij dit unieke project uit.
Ludivine – Sofia, kun je ons iets vertellen over je academische carrière?
Sofia – Ik ben in 2013 afgestudeerd met een BSc in Biologie aan de Aristoteles Universiteit van Thessaloniki, Griekenland, en in 2016 met een MSc in Bio-informatica aan de Wageningen Universiteit, Nederland. Daarna deed ik een doctoraat in bioinformatica en Machine Learning toegepast op oligogene ziekten aan de Université Libre de Bruxelles en de Vrije Universiteit Brussel. Sinds januari 2021 ben ik betrokken bij het Genome4Brussels-project als postdoctoraal onderzoeker, terwijl ik in oktober 2022 een F.R.S.-FNRS-beurs kreeg om onderzoek te doen naar de detectie van genetische modifiers voor netvliesaandoeningen aan de Université Libre de Bruxelles, onder toezicht van professor Tom Lenaerts en in samenwerking met het laboratorium van professor Elfride de Baere aan de Universiteit Gent.
L. – Op welke manier is jouw ervaring een aanwinst voor het Genome4Brussels project?
S.- Door mijn bachelor- en masterdiploma in de natuurwetenschappen heb ik een brede kennis van biologie en bio-informatica, en ik heb ervaring opgedaan in onder andere NGS-analyse(New Generation Sequencing), machine learning, fylogenetica, gegevensbeheer en netwerkinferentie. Mijn specialisatie in de genetica en voorspelling van oligogene ziekten tijdens mijn PhD is zeer relevant voor het Genome4Brussels project. Als lid van de oligogene groep aan het Brussels Interuniversitair Instituut voor Bio-informatica (IB)2 heb ik mijn onderzoek toegespitst op hoe bio-informatica en Machine Learning-methoden de detectie van combinaties van pathogene genetische varianten die betrokken zijn bij genetische ziekten kunnen vergemakkelijken, aangezien de aanwezigheid van een individuele pathogene variant vaak niet volstaat om de symptomen van een patiënt te verklaren. Tijdens mijn PhD heb ik de VarCoPP voorspellingstool ontwikkeld, die pathogene combinaties van genetische varianten in paren van genen in een individu voorspelt. Dit hulpmiddel is nieuw in zijn soort en we zijn verheugd om te zien dat het al wordt gebruikt door de wetenschappelijke gemeenschap. Als onderdeel van het Genome4Brussels project kan mijn expertise op dit gebied een belangrijke bijdrage leveren aan het begrijpen hoe dit instrument verder kan worden verbeterd en effectiever kan worden gebruikt om genetische modifiers te detecteren bij Marfan syndroom patiënten met zeer verschillende fenotypes.
L.- Kun je ons meer vertellen over de tools waar je momenteel aan werkt?
S.- Binnen de oligogene groep blijven we ons richten op Machine Learning-methodologieën die kunnen worden toegepast op oligogene ziekten. Op dit moment werken mijn collega’s en ik actief aan het verbeteren van de prestaties van de VarCoPP-tool, door opnieuw trainingsgegevens van betere kwaliteit te verzamelen, de structuur van het model opnieuw te evalueren en nieuwe relevante kenmerken te verzamelen. Het verbeteren van VarCoPP zal van direct nut zijn voor het Genome4Brussels project, om genetische modifiers nauwkeuriger te detecteren. Daarnaast begin ik binnenkort te werken aan netwerktheorie en aan manieren om heterogene grafieken te creëren die patiënten met elkaar verbinden op basis van hun VarCoPP voorspellingen en symptomen, met als doel het verband tussen de verschillende genetische architecturen van een bepaalde ziekte en de ontwikkeling van variabele symptomen voor die ziekte beter te begrijpen.
We streven (voor zover mogelijk) naar een hypothesevrije benadering, waarbij we meer geïnteresseerd zijn in het helpen ontdekken van nieuwe kennis dan in het identificeren van genen waarvan al bekend is dat ze betrokken zijn bij een bepaalde ziekte. We hebben opgemerkt dat voor veel genetische ziekten de huidige kennis beperkt lijkt en geen afdoende verklaring kan bieden voor hun fenotypische variabiliteit.
L.- Wat vind je van het Genome4Brussels-project?
S.- Ik ben erg enthousiast om deel uit te maken van het Genome4Brussels project omdat het een belangrijk initiatief is voor het begrijpen van de genetische architectuur van het Marfan syndroom en voor een effectievere diagnose. Genetische modifiers worden al enige tijd vermoed bij het Marfan syndroom, maar ze zijn niet gemakkelijk detecteerbaar met de huidige methodologische benaderingen. Het detecteren van deze modifiers is erg belangrijk om beter te begrijpen waarom sommige patiënten met dezelfde primaire pathogene mutatie verschillende symptomen hebben en kan de weg vrijmaken voor gepersonaliseerde therapieën en effectiever advies voor patiënten en ouders. Ik ben daarom erg gemotiveerd om deel uit te maken van dit project en om innovatief onderzoek uit te voeren met als doel patiënten met het Marfan syndroom en hun ouders te helpen.
Wat ik bovendien erg goed vind aan dit project is dat het gericht is op het bevorderen van een eerlijk en transparant gebruik van bio-informatica en de Machinaal leren op het gebied van medische genomica, wat naar mijn mening uiterst belangrijk is gezien de populariteit van Machinaal leren op dit gebied. Als onderzoeker gespecialiseerd in Machine Learningdraag ik graag bij aan dit initiatief.
