Konferenciák

2025. november 14.

Letölthető program pdf formátumban

1. szekció - Bioinformatikai algoritmusok 1, Szerkezeti bioinformatika

2. szekció - Bioinformatikai algoritmusok 2

3. szekció - Rendszerbiológia, Öregedés, Proteomika

4. szekció - Orvosi bioinformatika Elnök: Ligeti Balázs

15:35 - 15:50: AI algoritmus fejlesztése túlélés előrejelzésére emlőtumoros betegekben 1 millió beteg klinikai adatainak a felhasználásával

    Rácz Anita (HUN-REN TTK)

Részletek

AI algoritmus fejlesztése túlélés előrejelzésére emlőtumoros betegekben 1 millió beteg klinikai adatainak a felhasználásával

×

• Kivonat

AI algoritmus fejlesztése túlélés előrejelzésére emlőtumoros betegekben 1 millió beteg klinikai adatainak a felhasználásával

Rácz Anita¹, Ankita Murmu² és Győrffy Balázs^1,2
1 HUN-REN TTK
² SE Bioinformatika Tanszék
Az emlőrák világszerte a nők egyik vezető daganatos halálozási oka, ugyanakkor a betegség és a kezelésre adott válasz jelentős heterogenitást mutathat. A kutatás során a célunk olyan betegszintű modell kidolgozása volt, amely a kemoterápia várható hasznát becsüli meg az 5 éves túlélés szempontjából. A modelleket a „Surveillance, Epidemiology, and End Results” (SEER) adatbázis használatával hoztuk létre (https://seer.cancer.gov/). Két, egymástól független bináris osztályozási modellt fejlesztettünk a gépi tanulásos gradient boosting algoritmus segítségével: az egyik a kemoterápiát kapott, a másik a kemoterápiát nem kapott betegek 5 éves össztúlélését (OS) prediktálta. A betegszintű kezeléshatás-becslést a két modellből származó túlélési valószínűségek különbségeként (ΔP_5év = P_OS|chemo − P_OS|no-chemo) definiáltuk. A modellek teljesítményét többféle validációs eljárással is értékeltük. Az eredményeink alapján mindkét modell megfelelő predikciós teljesítményt mutat, az alkalmazott konszenzusos megközelítés pedig tovább javította a predikciók stabilitását. A fejlesztett, SEER adatbázis alapú, gradient boosting modellek ígéretes kiindulópontok egy webes döntéstámogató eszköz megvalósításához, amely a jövőben az onkológusok egyéni kezelési döntéseit segítheti.

15:50 - 16:05: Az öröklött nem-kódoló genetikai variánsok funkciójának megértése vastagbélrákban egysejt-multiomikai adatok felhasználásával

    Kiss Csaba (HUN-REN TTK, Molekuláris Élettudományi Intézet; ELTE Biológia Doktori Iskola)

Részletek

Az öröklött nem-kódoló genetikai variánsok funkciójának megértése vastagbélrákban egysejt-multiomikai adatok felhasználásával

×

• Kivonat

Az öröklött nem-kódoló genetikai variánsok funkciójának megértése vastagbélrákban egysejt-multiomikai adatok felhasználásával

Kiss Csaba^1,2, Vízkeleti Laura¹, Tisza Viktória¹, Csabai István³, Pongor Lőrinc⁴ és Spisák Sándor^1
1 HUN-REN TTK, Molekuláris Élettudományi Intézet
² ELTE Biológia Doktori Iskola
³ ELTE Komplex Rendszerek Fizikája Tanszék
⁴ HCEMM Rák Genomika és Epigenetika Kutatócsoport
A vastagbélrák (CRC) egy multifaktoriális betegség, amelyet genetikai hajlam és környezeti tényezők egyaránt alakítanak. A teljesgenom-asszociációs vizsgálatok (GWAS) számos CRC-kockázati lókuszt azonosított, amelyek többsége a genom nem-kódoló régióiban található. Továbbra is kevéssé ismert, hogy ezek a lókuszok milyen biológiai mechanizmusokon keresztül járulnak hozzá a betegség kialakulásához. A génszabályozást és fenotípust ténylegesen befolyásoló ok-okozati variánsok (causal variant) azonosítása továbbra is nagy kihívást jelent többek között a genetikai korreláció (kapcsolati egyensúlytalanság (LD)), a cisz-szabályozás (nincs genetikai kód) és a gyenge fenotípusok miatt. Emellett a vastagbél szövet sejtes heterogenitása tovább nehezíti annak meghatározását, hogy ezek a variánsok mely sejttípusokban fejtenek ki funkcionális hatást.
Feltételezzük, hogy az öröklött nem-kódoló variánsok több sejttípus működését is befolyásolhatják (beleértve az epiteliális, stromális és immunsejteket) közvetlenül vagy sejtek közötti kölcsönhatásokon keresztül. Ennek vizsgálatához allélikus kiegyensúlyozatlanság (allelic imbalance) analízist is alkalmazunk nyilvánosan elérhető egysejt ATAC-szekvenálási (scATAC) és egysejt RNS-szekvenálási (scRNA) adatok felhasználásával, ezáltal meghatározhatóvá válhat, hogy az azonosított variánsok milyen sejttípus-specifikus módon változtatják meg a transzkripciós faktorok kötődését és az epigenetikai szabályozást.
Elemzésünk lehetővé teszi olyan variánsok funkcionális vizsgálatát is, amelyek hatása potenciálisan nem sejt-autonóm módon érvényesül, ezáltal pontosabb betekintést nyújtva abba, hogy a nem-kódoló genetikai variánsok miként alakítják a tumor mikrokörnyezetének állapotát és viselkedését a tumor kialakulása és fejlődése során. Eredményeink jelentősen hozzájárulnak a nem-kódoló genetikai variánsok szerepének mélyebb feltárásához és kísérletes validálásához, valamint támogatják az ok-okozati variánsok sejttípus-specifikus azonosítását.

16:05 - 16:20: A hiperglikémiával és a depresszióval társult DNS-metilációs változások vizsgálata 2-es típusú cukorbetegekben

    Fóthi Ábel (SE Biokémiai és Molekuláris Biológiai Intézet)

Részletek

A hiperglikémiával és a depresszióval társult DNS-metilációs változások vizsgálata 2-es típusú cukorbetegekben

×

• Kivonat

A hiperglikémiával és a depresszióval társult DNS-metilációs változások vizsgálata 2-es típusú cukorbetegekben

Fóthi Ábel¹, Giuseppe Fanelli², Nina R. Mota², Hyun Ruisch², Somogyi Anikó³, Nagy Géza³, Rónai Zsolt¹, Sasvár-Székely Mária¹, Geert Poelmans², anita Bralten², Barbara Franke² és Barta Csaba^1
1 SE Biokémiai és Molekuláris Biológiai Intézet
² Department of Human Genetics, Radboud University Medical Center
³ SE Belgyógyászati és Hematológiai Klinika
A 2-es típusú cukorbetegség nemcsak anyagcserezavarokkal, hanem gyakran pszichiátriai betegségekkel, köztük depresszióval is együtt jár. Az epigenetikai mechanizmusok, különösen a DNS-metiláció, fontos szerepet játszhatnak e kapcsolatokban. A PRIME (Prevention and Remediation of Insulin Multimorbidity in Europe) projekt keretében végeztük a DNS-metilációs méréseket és az adatgyűjtést 208 magyar cukorbeteg (50% férfi; átlagéletkor 60,9 év) bevonásával. Szájnyálkahártya mintákból DNS-t izoláltunk, a metiláció mértékét Illumina EPICv2 chip segítségével határoztuk meg, az adatokat R-ben, a SeSAMe pipeline-nal elemeztük. A klinikai, metabolikus és pszichológiai adatok integrált feldolgozásához regressziós modelleket alkalmaztunk, a nem, életkor, dohányzás és leukocita-arány kontrollálásával.
A hiperglikémiával legszorosabb kapcsolatot a TXNIP gén cg19693031 CpG-helye mutatta (p=9,67x10-7), amely gén részt vesz a béta-sejtek működésének szabályozásában. A klinikai depresszióban szenvedő betegeknél az LMX1A gén cg16524049 helyén a metiláció szintje magasabb volt (p=9,51x10-9). A gén fontos szerepet játszik a dopaminerg neuronok fejlődésében. Eredményeink új, kizárólag cukorbetegekben megfigyelhető kapcsolatokat tárnak fel a DNS-metiláció és a depresszió között.

16:20 - 16:35: Hierarchikus, multi-omikai megközelítés a (tüdő)daganatok pontosabb molekuláris osztályozásához

    Nemes Kolos (HCEMM Rák Genomika és Epigenetika Kutatócsoport)

Részletek

Hierarchikus, multi-omikai megközelítés a (tüdő)daganatok pontosabb molekuláris osztályozásához

×

• Kivonat

Hierarchikus, multi-omikai megközelítés a (tüdő)daganatok pontosabb molekuláris osztályozásához

Nemes Kolos¹ és Pongor Lőrinc^1
1 HCEMM Rák Genomika és Epigenetika Kutatócsoport
A daganatok epigenetikai alapú osztályozása ígéretes irány a precíziós onkológiában, de a különböző omikai platformok közötti általánosíthatóság továbbra is kihívás. A crossNN modell neurális hálón alapuló, magyarázható osztályozó, amely DNS-metilációs adatokon már bizonyította a platformfüggetlen predikció lehetőségét, azonban confidence score-alapú döntése miatt számos mintát kizárt.
Munkánk célja e korlát áthidalása volt. Kifejlesztettünk egy hierarchikus, és egy kiegyensúlyozott tanítási stratégiát, amely lehetővé teszi a minták teljes körű bevonását, miközben megőrzi a crossNN magyarázhatóságát és robusztusságát. A CpG-helyek génnevekre történő leképezése, valamint a kapott génszignatúrák túlélés- és útvonalalapú elemzése a saját fejlesztésű, gépi tanuláson alapuló SurvSig platformmal azt mutatta, hogy a megközelítés génexpressziós szinten is hatékony és prognosztikai értékű.
A tanulást ezt követően génexpressziós adatokra helyeztük át, megtartva a crossNN architektúrát. Az új modell több független betegkohorton és sejtvonalas adathalmazon is felülmúlta a metilációs szintű teljesítményt.
Külön fókuszt kapott egy tüdőspecifikus altípuskategorizáló rendszer, mely kiemelkedő teljesítménye alátámasztja a hierarchikus, platformfüggetlen stratégia általánosíthatóságát és biológiai relevanciáját.

16:35 - 16:50: A LILRB receptor család térbeli expressziós mintázatának vizsgálata vastagbélrák metszeteken

    Hunyadi Péter (SE Sugárbiológia és Biofizika Intézet)

Részletek

A LILRB receptor család térbeli expressziós mintázatának vizsgálata vastagbélrák metszeteken

×

• Kivonat

A LILRB receptor család térbeli expressziós mintázatának vizsgálata vastagbélrák metszeteken

Hunyadi Péter¹, Kis Dávid², Wiener Zoltán² és Hegedűs Tamás^1
1 SE Sugárbiológia és Biofizika Intézet
² SE Genetikai, Sejt- és Immunbiológiai Intézet
Bevezetés: A legtöbb daganattípusban az immunszuppresszió korlátozza a hatékony rákellenes immunválaszt. A leukocita immunglobulin-szerű receptor B4 (LILRB4) egy immune checkpoint inhibitor molekula, amely szerepet játszik különféle jelátviteli folyamatokban, amelyek hozzájárulnak a tumorok immunelkerüléséhez. Kutatásunk célja e receptor és családjának vizsgálata vastagbélrákban, különös tekintettel az ezeket expresszáló immunsejtek és a tumor mikrokörnyezete közötti kölcsönhatásokra.
Cél: Projektünk célja laboratóriumi kísérletek támogatása in silico elemzéssel, amely során a LILRB receptorcsalád jelenlétét és térbeli eloszlását vizsgáljuk vastagbélrákos szövetminták expressziós adataiban. Ez az eljárás lehetővé teszi a markerek kifejeződésének és az immunsejt-populációk lokalizációjának együttes elemzését. A leginkább LILRB-expresszáló sejttípusok azonosítása segíthet megérteni, milyen szerepet játszhatnak e receptorok a tumor-immunkölcsönhatásokban, és előrevetítheti a célzott immunterápiák hatékonyságát.
Eredmény: A markerek kifejeződésének kvantitatív és ko-expressziós elemzése során azt tapasztaltuk, hogy a LILRB molekulák és különböző infiltráló immunsejt-típusokra, például tumor asszociált makrofágok, jellemző markerek expressziója egybeesik, míg epiteliális sejtmarkerekkel való együttes termelődésük kisebb mértékű korrelációt mutat. Eredményeink rámutatnak, hogy a LILRB4 és homológjai ígéretes célpontjai lehetnek immunszupresszáló hatásukat gátló kísérleteknek, megerősítve a vastagbélrák immunmikrokörnyezetében betöltött szerepük vizsgálatának jelentőségét.

16:50 - 16:55: Zárszó

    Tusnády Gábor