Onderzoeksgroep

ADReM Data Lab (ADReM)

Expertise

Dr. Meysman is gespecialiseerd in het verwerken van biomedische data met artificiële intelligentie methoden.

Machine learning framework voor T-cell receptor repertoire-gebaseerde virale diagnostiek. 01/11/2020 - 31/10/2022

Abstract

De huidige standaarden in virale diagnostiek zijn gebaseerd op in-vitro methoden die het pathogeen genoom of pathogene eiwitten detecteren. Dit heeft tot gevolg dat verschillende analyses noodzakelijk zijn wanneer een staal voor meerdere virussen gescreend wordt, wat het process tijdrovend en duur maakt. Daarenboven falen sommige methoden bij acute en latente infecties. Met dit FWO-SB project zal ik het potentieel van T cell receptor (TCR) repertoires onderzoeken om deze tekortkoming te overwinnen en een nieuwe methodologie introduceren dat de simultane diagnose van verschillende virale infecties toelaat. Ten einde de TCR eigenschappen te vinden die verschillen tussen geïnfecteerde en niet-geïnfecteerde individuen, zal ik zoeken naar pathogeen-geassocieerde patronen in TCR repertoires via state-of-the-art machinaal lerende methoden. De bekomen resultaten zullen vervolgens gecollecteerd worden in een classificatiemodel dat op basis van het TCR repertoire de virale status van een individu kan voorspellen. De inzichten van dit project zullen onze kennis over pathogeen-geïnduceerde TCR repertoire veranderingen uitbreiden en als basis dienen voor de ontwikkeling van een computationeel diagnostisch kader. Dit zal een grote invloed hebben op het breder diagnostisch veld daar het TCR repertoire een belangrijke rol speelt in verschillende niet-infectieuze ziekten zoals kanker en auto-immuunziekten.

Onderzoeker(s)

Onderzoeksgroep(en)

Een computationale kijk op multiple sclerose door middel van bio-informatica analyse van het T-cel-repertoire. 01/11/2020 - 31/10/2022

Abstract

Recente ontwikkelingen op het gebied van sequencing technologie bieden de mogelijkheid om immuunreceptor repertoires met ongeëvenaard detail te karakteriseren. T-cel receptor (TCR) sequencing technologie is veelbelovend voor het begrijpen hoe componenten van het adaptief immuunsysteem betrokken zijn bij auto-immuunziekten. Dit onderzoeksveld is zeer snel aan het evolueren, van pre-processing van TCR-seq data naar de functionele analyse ervan. Daarom biedt dit veld nieuwe kansen voor de ontwikkeling van benaderingen voor de post-analyse van adaptieve immuunprofielen. Zulke benaderingen bieden gefundeerde oplossingen voor vraagstukken binnen het onderzoeksveld rond autoimmuniteit. Het vraagstuk rond multiple sclerose (MS), een neuro-inflammatoire ziekte in het centraal zenuwstelsel, is hiervan een belangrijk voorbeeld. Zo is er weinig geweten over de betrokkenheid van specifieke T-cel klonen in de pathogenese van MS. Door het analyseren van repertoires van MS patiënten kunnen belangrijke T-cel klonen, die geassocieerd zijn met het ziekteprocess, in kaart gebracht worden. Zulke klonen bieden toepassingen in verbeterde diagnostiek en therapie-ontwikkeling. Dit translationeel onderzoeksproject zal leiden tot het ontdekken van nieuwe benaderingen voor het identificeren van MS-geassocieerde T-cel klonen, tot de ontwikkeling van betrouwbare technieken voor het opvolgen van MS-therapieën en tot een model om het verloop van MS te voorspellen.

Onderzoeker(s)

Onderzoeksgroep(en)

Celluloepidemiologie: genereren en modelleren van SARS-COV-2 specifieke T-cel responsen op populatieniveau met als doel interventies in de gezondheidszorg te verbeteren. 01/11/2020 - 31/10/2021

Abstract

Wiskundige simulatiemodellen zijn onmisbaar geworden voor voorspellingen en het bestuderen van de effectiviteit van interventiestrategien zoals lockdowns en screeningen tijdens de SARS-CoV-2 pandemie. Het schatten van belangrijke grootheden maakt gebruik van de serologische afdruk van een infectie op het individu. Echter, al is dit een functie van het type assay, werden antilichamen tegen SARS-CoV-2 frequent niet gevonden in jonge en/of asymptomatische individuen en verdwenen deze na een korte periode, vooral bij asymptomatische individuen. Daarentegen zijn T-cellen in verschillende situaties gevonden, ook in afwezigheid van antilichamen, gaande van convalescente asymptomatische tot milde SARS-CoV-2 patiënten en hun huisgenoten. Dit suggereert dat T-cellen sensitiever kunnen zijn dan antilichamen om een oudere SARS-CoV-2 infectie aan te tonen. In dit project zullen we op populatieniveau SARS-CoV-2 specifieke Tcel en serologische data verzamelen voor verschillende cohortes waaronder 300 individuen (en 200 huisgenoten) die > 3 maanden geleden covid-19 hebben gehad, 100 huisartsen, 100 ziekenhuis medewerkers, 500 random geselecteerde individuen en 75 precovid- tijdperk stalen. Deze data zullen gebruikt worden in simulatiemodellen en zullen leiden tot een herbeoordeling van verschillende epidemiologische schattingen zoals die van de groepsimmuniteit en het reproductiegetal R. Dit zal op significante wijze covid-19 gerelateerde interventies in de gezondheidszorg beïnvloeden.

Onderzoeker(s)

Onderzoeksgroep(en)

Diagnose door middel van gesorteerde immuunrepertoires (DiagnoSIR) 20/10/2020 - 19/07/2021

Abstract

Diagnostische laboratoriumtests voor infectieziekten zijn nog steeds gebaseerd op gerichte testmethoden (Ag-detectie, PCR, ELISA, agglutinatie, ELISPOT, enz.). Snelle evoluties in sequentietoepassingen kunnen onze diagnostische algoritmen echter binnenkort drastisch veranderen. Metagenomische sequenering is bijvoorbeeld een ongericht diagnostisch hulpmiddel voor directe (in theorie elke) detectie van infectieuze pathogenen zonder veronderstellingen over de veroorzaker. Acute infectieuze pathogenen verdwijnen echter snel van het geïnfecteerde individu (waardoor diagnostische methoden op basis van directe detectie van pathogenen mislukken) maar laten wel een immuunafdruk achter (B- en T-cellen). Met dit project, willen we aantonen dat sequenering van het immuunrepertoire (een nieuwe techniek dat high-throughput mapping van variabele domeinen van B- en T-celreceptoren mogelijk maakt) gericht op recent geactiveerde immuuncellen een indirect, niet-gericht diagnostisch instrument is voor de detectie van acute infectieuze pathogenen. Deze methode zou een mogelijk ​​alternatief zijn voor de huidige indirecte gerichte assays (serologie en T-celassays). Om dit concept te bewijzen, zullen we recent verzamelde acute COVID-19-patiëntstalen gebruiken.

Onderzoeker(s)

Onderzoeksgroep(en)

Transfereerbare deep learning om moleculaire interacties te voorspellen aan de hand van sequenties. 01/10/2019 - 30/09/2023

Abstract

Machine learning kan worden gebruikt om de aanwezigheid of afwezigheid van interacties te voorspellen. Voor biomedisch onderzoek is de voorspelling van moleculaire interacties die ten grondslag liggen aan de mechanica van cellen, pathogenen en het immuunsysteem, een ​​probleem van grote relevantie. In dit project, zullen we een fundamenteel nieuwe technologie ontwikkelen die onbekende interacties kan voorspellen met modellen die zijn getraind in de enorme hoeveelheid moleculaire interactiegegevens die tegenwoordig beschikbaar is dankzij hoge doorvoer experimentele technieken. Dit zal worden bereikt met behulp van een machine learning model dat de patronen in moleculaire sequenties kan leren die bepalend zijn voor de interacties. We zullen dit probleem op een generaliseerbare manier aanpakken met behulp van de nieuwste generatie neurale netwerken, door een generieke codering voor moleculaire sequenties te bepalen die gemakkelijk kan worden vertaald naar verschillende biomedische problemen. Deze codering zal worden ingevoerd in een geavanceerd diep neuraal netwerk om algemene moleculaire interacties te modelleren, die vervolgens kunnen worden afgestemd op specifieke interactietypes. De attributen die voorspellend zijn zullen vervolgens worden vertaald in nieuwe visualisaties om interpretatie door levenswetenschappers mogelijk te maken. We zullen de performantie van dit model valideren met behulp van zowel computationeel gesimuleerde als echte experimentele sequentie- en interactiegegevens uit een breed scala aan relevante interactietypes.

Onderzoeker(s)

Onderzoeksgroep(en)

Ontgrendelen van het TCR repertoire voor gepersonaliseerde kanker immuuntherapieën. 01/01/2019 - 31/12/2022

Abstract

Kanker is wereldwijd een van de belangrijkste doodsoorzaken. In de afgelopen decennia zijn nieuwe therapieën ontwikkeld die gericht zijn op het immuunsysteem van de patiënt om een ​​antitumorreactie op te zetten. De effectiviteit van deze immunotherapieën is al in verschillende klinische onderzoeken aangetoond. Niettemin vertonen deze therapieën een grote variatie in hun werkzaamheid, zodanig dat sommige patiënten goed reageren op de therapie, terwijl andere dat niet doen. In dit project gaan we de verschillen tussen de T-celreceptor (TCR) repertoires van responders en niet-responders onderzoekers naar mogelijke merkers die een voorspellende waarde hebben voor de klinische response van de therapie. We zullen dataminingmethoden en nieuw ontwikkelde immuno-informatica software toepassen om die eigenschappen bloot te leggen die van een patiënt een klinische responder of non-responder maken. Dit zal het onderliggende mechanisme van DC-gebaseerde vaccinreactiviteit onthullen. Dit kan de algemene gezondheidszorg in termen van gepersonaliseerde geneeskunde mogelijk versnellen en op termijn kosten besparen.

Onderzoeker(s)

Onderzoeksgroep(en)

Systeembiologische analyse van niche adaptatie bij resistent en virulente Salmonella pathogenen. 01/01/2018 - 31/12/2021

Abstract

Het doel van dit PhD-project is om het proces van niche adaptatie bij Salmonella te bestuderen vanuit een systeembiologisch perspectief. Momenteel wordt niche adaptatie vooral bestudeerd op het niveau van het genoom, met de focus op coderende genen. Dit doctoraat zal zich toespitsen op het transcriptoom, en meer bepaald op de integratie van beide niveaus. Finaal zullen de bevindingen gemodelleerd worden met machine-learning technieken, hetgeen ons zal toelaten niche adaptatie veel breder te bestuderen. De methodologie zal getest worden op een specifiek Salmonella serotype, genaamd Salmonella Concord, dat we als paradigma gebruiken voor het huidige probleem van bloedstroominfecties met multiresistente Salmonellae in Sub-Sahara Africa.

Onderzoeker(s)

Onderzoeksgroep(en)

T Cell receptor sequence mining platform MinTR. 01/04/2019 - 31/03/2020

Abstract

Het T-cell repertoire is een sleutelspeler in het adaptieve immuunsysteem en is dus belangrijk bij verdediging tegen infectie ziekten, bij het ontwikkelen van vaccins, bij auto-immuun aandoeningen en bij oncologische immuuntherapieën. T-cell receptor sequencing laat toe het ganse repertoire te karakteriseren in een enkel experiment, maar de data die daaruit voortkomt kan niet zomaar vertaald worden in een medische actie. Met artificiële intelligentie modellen kunnen we T-cel receptor sequencing data vertalen naar een bruikbaar inzicht in de immuunstatus van een individu.

Onderzoeker(s)

Onderzoeksgroep(en)

Datamining van multi-omics interactiedata om de determinanten en evolutie van gastheer-pathogeeninteracties bloot te leggen. 01/10/2018 - 30/09/2020

Abstract

De relatie tussen ziekteverwekkers en hun gastheer is vaak complex en hun evolutionaire wapenwedloop ingewikkeld. Subklinische infecties komen vaak voor; host-organismen worden geïnfecteerd door een normaal ziekteverwekkende pathogeen, maar er worden geen symptomen vertoond. Op deze manier beschikken ziekteverwekkers over natuurlijke reservoirs van asymptomatische dragers die kunnen helpen in de transmissie naar gevoelige gastheren. Het doel van dit fundamentele onderzoek is inzicht te verwerven in de algemene moleculaire mechanismen die ten grondslag liggen aan waarom sommige diersoorten - of zelfs sommige individuen - na infectie met specifieke ziekteverwekkers meestal asymptomatisch blijven, terwijl anderen evolueren naar een symptomatische ziekte. Hiertoe zal een grote collectie van pathogeen-gastheer interactie netwerken worden opgezet voor zowel symptomatisch als asymptomatisch gastheren. State-of-the-art datamining methoden zullen worden toegepast om de regels en patronen te ontdekken in de interactie netwerk die geassocieerd zijn met ziektegevoeligheid. Tot slot zullen deze patronen worden gefilterd en gevalideerd met behulp van geïntegreerde multi-level 'omics informatie afkomstig van zowel de ziekteverwekker en de gastheer soorten. De resultaten van dit project zullen leiden tot zowel nieuwe methodologie om eerder gekarakteriseerde gastheer-pathogeen interacties te bestuderen, alsook tot fundamentele nieuwe inzichten in de biologische drivers van ziektegevoeligheid.

Onderzoeker(s)

Onderzoeksgroep(en)

Opzetten van een computationeel raamwerk voor tumor-specifieke T-cellen. 01/04/2018 - 31/03/2019

Abstract

Het doel van dit project is een computationeel model op te bouwen dat kan voorspellen welke T-cellen er kunnen reageren op een tumor-geassocieerd epitoop. De focus binnen dit project ligt bij de manier waarop we T-cell eigenschappen kunnen weergeven in een performant classificatie model. Dit raamwerk zal getest worden op een unieke dataset aangemaakt door het combineren van een tetrameer assay en single cell sequencing.

Onderzoeker(s)

Onderzoeksgroep(en)

Legaat Rosa Blanckaert - Prijs Robert Oppenheimer 2017 01/12/2017 - 31/12/2018

Abstract

Dr. ir. Pieter Meysman is sinds 1 Januari 2013 verbonden aan het Biodata Mining labo (onder leiding van Prof. Kris Laukens) van de ADReM onderzoeksgroep in het Department Wiskunde-Informatica als postdoctoral navorser. Zijn specialiteit is het samenbrengen van de nieuwste informatica technologieën in de 'data mining' wereld met biomedische problemen, onder de noemer van de bioinformatica. In zijn iets meer dan vier jaar aan de UA, heeft hij 31 papers gepubliceerd waaronder 8 als eerste auteur en 3 als laatste auteur. Deze publicaties bevonden zich vaak in top biomedische of bioinformatica tijdsschriften (Nucleic Acid Research, Bioinformatics, Mass Spectrometry Reviews) of op top informatica congressen (IEEE BIOKDD).

Onderzoeker(s)

Onderzoeksgroep(en)

Datamining van multi-omics interactiedata om de determinanten en evolutie van gastheer-pathogeeninteracties bloot te leggen. 01/10/2016 - 30/09/2018

Abstract

De relatie tussen ziekteverwekkers en hun gastheer is vaak complex en hun evolutionaire wapenwedloop ingewikkeld. Subklinische infecties komen vaak voor; host-organismen worden geïnfecteerd door een normaal ziekteverwekkende pathogeen, maar er worden geen symptomen vertoond. Op deze manier beschikken ziekteverwekkers over natuurlijke reservoirs van asymptomatische dragers die kunnen helpen in de transmissie naar gevoelige gastheren. Het doel van dit fundamentele onderzoek is inzicht te verwerven in de algemene moleculaire mechanismen die ten grondslag liggen aan waarom sommige diersoorten - of zelfs sommige individuen - na infectie met specifieke ziekteverwekkers meestal asymptomatisch blijven, terwijl anderen evolueren naar een symptomatische ziekte. Hiertoe zal een grote collectie van pathogeen-gastheer interactie netwerken worden opgezet voor zowel symptomatisch als asymptomatisch gastheren. State-of-the-art datamining methoden zullen worden toegepast om de regels en patronen te ontdekken in de interactie netwerk die geassocieerd zijn met ziektegevoeligheid. Tot slot zullen deze patronen worden gefilterd en gevalideerd met behulp van geïntegreerde multi-level 'omics informatie afkomstig van zowel de ziekteverwekker en de gastheer soorten. De resultaten van dit project zullen leiden tot zowel nieuwe methodologie om eerder gekarakteriseerde gastheer-pathogeen interacties te bestuderen, alsook tot fundamentele nieuwe inzichten in de biologische drivers van ziektegevoeligheid.

Onderzoeker(s)

Onderzoeksgroep(en)

Identificatie van de HLA-afhankelijke gevoeligheid op de ontwikkeling van Herpes Zoster in de Belgische bevolking. 01/02/2015 - 31/12/2015

Abstract

Herpes zoster (zona) word veroorzaakt door het varicella zoster virus. Vooral bij ouderen kan deze ziekte leiden tot een drastische verlaging van de levenskwaliteit. In dit project willen we de HLA allelen identificeren in de Belgische bevolking die de kans op herpes zoster verhogen of verlagen. Computationele modellen kunnen dan gebruikt worden om de link te ontcijferen tussen affiniteit voor virale peptiden en herpes zoster vatbaarheid.

Onderzoeker(s)

Onderzoeksgroep(en)