Onderzoek Pieter Meysman

Abstract

Met Next generation sequencing (ngs) kan het T-cel receptor (TCR) repertoire, een weerspiegeling van het adaptief immuunsysteem, gekarakteriseerd worden. Gekende of nieuwe specifieke TCRs tegen bepaalde antigenen kunnen hierbij opgevolgd worden. Met deze data kunnen er nieuwe therapeutische strategieën ontwikkeld worden tegen infectieuze agentia en kankerantigenen. De samenwerking tussen het Istituto Romagnolo per lo Studio dei Tumori "Dino Amadori" (IRST) in Italië en de Universiteit Antwerpen in België heeft betrekking op beide gebieden en is gericht op het identificeren en karakteriseren van specifieke humane TCR's via NGS om therapeutische TCR-T-cellen te ontwikkelen, door gebruik te maken van experimentele protocollen, in silico analyse en in vitro testen voor T-celstimulatie met antigenen pools. Het eerste doel is het bestuderen van de T-cel respons op mRNA-gebaseerde COVID-vaccins bij gezonde proefpersonen en lymfoom patiënten uit de regio Emilia Romagna door middel van sequencing van RNA-monsters en daaropvolgende analyse van TCR-specificiteit tegen SARS-CoV-2-eiwitten. De correlatie tussen TCR diversiteit en sterkte met de hoeveelheid neutraliserende antilichamen zal ook worden onderzocht in overweging van de voorspelde HLA context, wat zal leiden tot een bruikbare SARS-Cov2 bulk TCR-seq database. Genomische instabiliteit, een veelvoorkomend kenmerk in kankercellen, leidt vaak tot het ontstaan van chromosomale herschikkingen en aneuploïdie. Er zijn tegenwoordig veel voorbeelden van gen fusies die celtransformatie bevorderen in verschillende oncologische omgevingen. Deze gebeurtenissen leiden tot de unieke mogelijkheid om neoantigenen te genereren die op een HLA-beperkte manier aan het immuunsysteem gepresenteerd kunnen worden. Daarom is de tweede doelstelling de identificatie en validatie van neoantigenen afkomstig van genetische fusie gebeurtenissen bij kankerpatiënten die al beschikbaar zijn in het IRST. Vervolgens zullen experimenten worden gericht op de identificatie van antigeen specifieke T-cellen en TCR's tegen neoantigenen afkomstig van geselecteerde genetische fusie gebeurtenissen. Hiertoe zullen computationele eiwit reconstructie en prioritering uit de reeds beschikbare fusiegenen database worden uitgevoerd om fusie transcripten in hematologische tumoren te vinden. Deze peptiden zullen later worden gesynthetiseerd en samengevoegd om T-cellen te stimuleren, met daaropvolgende expansie en karakterisering van de tot expressie gebrachte receptoren. Eerst zal een proof-of-concept T-celexpansie en daaropvolgende TCR-identificatie-experimenten met modeleiwit(en) voor een bekend neoantigeen worden opgezet.

Onderzoeker(s)

• Promotor: Lion Eva
• Co-promotor: Campillo Davó Diana
• Co-promotor: Meysman Pieter

Onderzoeksgroep(en)

• Laboratorium voor Experimentele Hematologie (LEH)

Project type(s)

• Onderzoeksproject

Abstract

De kluwen aan complexe componenten van het immuunsysteem vormt een obstakel om de interacties die onze immuunrespons bepalen volledig te begrijpen. De oplossing ligt waarschijnlijk in een systematisch ontwerp dat unieke en gedeelde biomarkers kan bovenbrengen. Maar, tot hiertoe is het potentieel van volledig geïntegreerde immunologische gegevens grotendeels onbenut gebleven. Door gebruik te maken van een ongekend grote cohort, willen we deze kloof overbruggen en een framework bouwen voor een multi-view integratie van biologische gegevens met een focus op T-cellen. De 'views' van elke cohort worden gecombineerd in een latente ruimte. We zullen individuen groeperen op basis van gevonden patronen, eerder gepubliceerde biomarkers valideren, groepsparameters deconvolueren en responsfenotypering uitvoeren. Vervolgens zullen we de T-cel receptor component toevoegen door middel van een innovatieve integratie die focust op de celgedreven respons. De T-celanalyse zal worden geïnformeerd door de gevonden kenmerken en geleid door epitoop- en ziektespecificiteit. Ze zal worden samengesteld over een longitudinale dimensie wat de ontwikkeling van de verschillende modules van het framework zal sturen. Dit nieuwe framework heeft een groot potentieel voor multidisciplinaire toepassingen binnen bio-informatica, biomedische en farmaceutische bedrijven. Specifiek verwachten we dat het een paradigmaverschuiving kan teweegbrengen naar het ontwerpen van meer geïnformeerde holistische therapieën.

Onderzoeker(s)

• Promotor: Laukens Kris
• Co-promotor: Meysman Pieter
• Co-promotor: Ogunjimi Benson
• Mandaathouder: Affaticati Fabio

Onderzoeksgroep(en)

• ADReM Data Lab (ADReM)

Project type(s)

• Onderzoeksproject

Abstract

De huidige serologische testmethoden die worden de ziekte van Lyme (LD) te diagnosticeren zijn ernstig ontoereikend: hun sensitiviteit (25–50%) en specificiteit is te laag voor vroege LD diagnose, en ze kunnen geen actieve van een oude infectie onderscheiden in ernstige late ziektestadia zoals Lyme arthritis (LA). In tegenstelling tot Borrelia-specifieke antilichamen blijkt dat T-cellen sneller en consistenter gerekruteerd worden in LD. Bovendien spelen verschillende T cel subsets een sleutelrol in het verdere ziekteverloop en de ontwikkeling van auto-immuun gedreven vormen van LA. Met dit FWO-SB-project zullen we het potentieel van deze T-cellen als alternatieve diagnosestrategie onderzoeken. Voortbouwend op de recente ontwikkelingen in single-cell immuunprofilering zal dit project een nieuwe methodologie waarin het T-cel-fenotype en zijn specificiteit geïntegreerd worden. Zo kunnen we het immuunsysteem gedetailleerd in kaart brengen bij patiënten met acute en autoimmuun-gedreven Lyme, en deze contextualiseren in een vergelijkende analyse met verscheidene verschillende vormen van chronische auto-immuun arthritis. Deze methodologie stelt ons in staat om deze complexe data te distilleren to klinisch relevante inzichten en zeer specifieke biomerkers. Dit is een cruciale stap in het inlossen van de diagnostische nood bij Lyme, en in het ontrafelen van de ongrijpbare pathogenese van auto-immuun-gedreven LA.

Onderzoeker(s)

• Promotor: Ogunjimi Benson
• Co-promotor: Laukens Kris
• Co-promotor: Meysman Pieter
• Mandaathouder: Van Deuren Vincent

Onderzoeksgroep(en)

• Centrum voor Gezondheidseconomisch Onderzoek en Modelleren van Infectieziekten (CHERMID)

Project type(s)

• Onderzoeksproject

Abstract

Levenswetenschappen zijn datagestuurd; het vertrouwt op de generatie, uitwisseling en geïntegreerde analyse van grote hoeveelheden digitale gegevens. ELIXIR is een Europese onderzoeksinfrastructuur die internationale bronnen in levenswetenschappen samenbrengt tot één enkele infrastructuur die wetenschappers in staat stelt gegevens te vinden en te delen, expertise uit te wisselen en toegang te krijgen tot geavanceerde tools en grootschalige computationele faciliteiten, over grenzen en disciplines heen. De Belgische ELIXIR Node biedt een portfolio van diensten op het gebied van gegevensbeheer en analyse om onderzoekers te helpen de beste praktijken van Open Science toe te passen en hun onderzoek efficiënt uit te voeren. Wij brengen expertise in Vlaanderen samen op het gebied van menselijke gezondheid en plantenwetenschappen, met de nadruk op gefedereerd leren en het mogelijk maken van gegevensintegratie en interpretatie. Een nieuw prioriteitsgebied is de oprichting van een gevoelige gegevensinfrastructuur in België. Wij bieden ook trainingen voor onderzoekers en ontwikkelaars. Onze missie is ervoor te zorgen dat onderzoekers in Vlaanderen en België zich kunnen richten op hun onderzoeksvraag, in plaats van op technische details van gegevens, interoperabiliteit, rekenbronnen, enzovoort, door op maat gemaakte oplossingen te bieden gebaseerd op een interoperabele infrastructuur in heel Europa.

Onderzoeker(s)

• Promotor: Meysman Pieter
• Co-promotor: Vandeweyer Geert

Onderzoeksgroep(en)

• ADReM Data Lab (ADReM)

Project type(s)

• Onderzoeksproject

Abstract

Onze nieren spelen een cruciale rol in onze lichaamshomeostase, i.e. ze onderhouden een stabiele samenstelling, volume, pH en osmolariteit van ons lichaamsvocht zodat al onze organen optimaal kunnen werken. Acute nierschade (AKI), vooral veroorzaakt door slechte doorbloeding, toxines of medicijnen die de renale tubulaire epitheelcellen treft, heeft dan ook een grote gezondheidsimpact met >13.3 miljoen patiënten per jaar. Wanneer AKI niet lethaal is, gebeurt er meestal spontaan functioneel herstel van het tubulaire epitheel. Echter, AKI leidt ook tot chronisch nierfalen (CKD) omwille van inefficiënties tijdens dat spontane epitheelherstel. Tot op heden zijn er geen behandelingen die een beschadigde nier genezen. Echter, het intrigerend biologisch fenomeen "nefrectomie-geïnduceerd nierherstel" kan een nieuw perspectief bieden. Dit fenomeen komt neer op het feit dat een acuut beschadigde nier een opmerkelijke graad van herstel vertoont en progressie naar CKD afwendt wanneer de gezonde contralaterale nier kort na de initiële beschadiging wordt verwijderd. Recent toonden we voor het eerst aan dat nefrectomie 1) de proliferatie van progenitor cellen stimuleert, 2) cellen die op lange termijn schade berokkenen onderdrukt, 3) potentiëel een gunstige golf van celdood induceert and 4) een maximale herstelrespons geeft wanneer ze op het juiste moment na beschadiging wordt uitgevoerd. In dit project mikken we dan ook op het verkrijgen van diepgaand mechanistisch inzicht in deze onverkende processen aangezien ze kunnen leiden tot nieuwe therapeutische strategieën. Hierbij maken we gebruik van geavanceerde single cell transcriptoom analyse zowel als unieke transgene muismodellen die toelaten de herstelresponse in relatie tot de lange termijnsuitkomst te onderzoeken.

Onderzoeker(s)

• Promotor: Vervaet Benjamin
• Co-promotor: Meysman Pieter
• Mandaathouder: Van Campen Elien

Onderzoeksgroep(en)

• Celdood signalisatie (CDS)

Project type(s)

• Onderzoeksproject

Abstract

Precisiegeneeskunde staat voor het precies afstemmen van een medische behandeling op basis van het genetisch profiel, levensstijl en omgeving van een patiënt. Het maakt gebruik van technologieën die de artsen de mogelijkheid geven om op een meer accurate manier te voorspellen welke behandeling en preventiestrategie voor een bepaalde aandoening werkzaam zal zijn in welke subgroep van patiënten. De voornaamste drijfveren voor de evolutie naar precisiegeneeskunde zijn de technologische vooruitgang, zoals de nieuwe generatie sequencingtechnologie in genomica, de toenemende beschikbaarheid aan gezondheidsdata en de groei in datawetenschappen en kunstmatige intelligentie. In deze domeinen zullen 6 sterke onderzoeksteams van de UAntwerpen de krachten bundelen om hun onderzoek te vertalen in een technologieplatform voor precisiegeneeskunde (PreMeT) dat aangeboden kan worden aan de industrie, hospitalen, onderzoeksinstituten en onze samenleving. De missie van PreMeT is om precisiegeneeskunde mogelijk te maken via een geïntegreerde aanpak bestaande uit genomica en 'big data analytics'.

Onderzoeker(s)

• Promotor: Laukens Kris
• Co-promotor: Bittremieux Wout
• Co-promotor: Kooy Frank
• Co-promotor: Loeys Bart
• Co-promotor: Meester Josephina
• Co-promotor: Meysman Pieter
• Co-promotor: Mortier Geert
• Co-promotor: Op de Beeck Ken
• Co-promotor: Van Camp Guy
• Co-promotor: Van Hul Wim
• Co-promotor: Verstraeten Aline
• Mandaathouder: Bosschaerts Tom
• Mandaathouder: Gauglitz Julia

Onderzoeksgroep(en)

• ADReM Data Lab (ADReM)

Project type(s)

• Onderzoeksproject

Abstract

Leishmaniose is wereldwijd een ernstige ziekte waarvoor tot op heden nog geen vaccin is ontwikkeld. De complexe interactie tussen de Leishmania parasiet en de immuunrespons van de gastheer bepaalt de uitkomst van de ziekte. De verschillende klinische presentaties van cutane leishmaniose (CL) zijn bijvoorbeeld gekarakteriseerd door een beschermende, anergische of pathogene T-celrespons. Door de grootte en complexiteit van de parasiet is het echter nog onbekend hoe deze verschillende T-celresponsen ontstaan en het ziekteverloop sturen. T-cellen worden geactiveerd door herkenning van hun T-celreceptor (TCR) aan het Leishmania-antigeen dat wordt gepresenteerd door MHC-moleculen (aMHC) op antigeenpresenterende cellen (APC's). Wij veronderstellen dat verschillende Leishmania-specifieke aMHC-TCR interacties ten grondslag liggen aan de verschillende T-cel en CL presentaties. Dit is in lijn met onze recente immunopeptidomics data die de aanwezigheid van verschillende Leishmania-antigenen in verschillende CL presentaties aantoonden. In deze jPPP willen we onze pipeline om deze Leishmania-antigeenspecifieke T- cellen in huidbiopten te identificeren testen en demonstreren, en een nieuwe aanpak gebruiken om hun beschermende/pathogene functie ruimtelijk te karakteriseren. De verkregen gegevens zullen de haalbaarheidsscore aanzienlijk verhogen in de komende subsidieaanvragen waarin we de reikwijdte van het project willen vergroten en uitbreiden door de eerste Leishmania T-cel epitopenkaart te genereren en hoe deze het volledige ziektespectrum van leishmaniose beïnvloedt om daarna geïnformeerde antigeenselectie uit te voeren voor de ontwikkeling van vaccins en diagnostische assays.

Onderzoeker(s)

• Promotor: Meysman Pieter
• Co-promotor: Laukens Kris

Onderzoeksgroep(en)

• ADReM Data Lab (ADReM)

Project type(s)

• Onderzoeksproject

Abstract

De opkomst van immuuntherapie heeft de behandeling van kanker op veel verschillende manieren verbeterd. Een doelgerichte therapie is T-celreceptor (TCR)-T-celtherapie, waarbij werkzame TCR's in het laboratorium in T-cellen van de patiënt worden ingebracht, waarna ze in het lichaam zeer specifiek ongewenste cellen kunnen vernietigen. Hoewel deze therapie veelbelovende resultaten laat zien, is identificatie van werkzame TCR's nog een grote hindernis. Vanwege de enorme diversiteit van TCRrepertoires is het een uitdaging om efficiënt tumor-reactieve T-cellen te detecteren in het bloed. Bovendien zijn TCR's antigeenspecifiek, wat wil zeggen dat er verschillende TCR's nodig zijn voor verschillende (sub)kankertypen. Het doel van project PrioriTCR is om een immuno-informatica platform te genereren dat de identificatie van werkzame TCR's vereenvoudigt en versnelt. We doen dit proof-of-concept project voor het Wilms' Tumor 1 (WT1) antigeen, dat tot overexpressie wordt gebracht in verschillende vaste tumoren en bloedkankers. WT1 wordt beschouwd als een virtueel universele kankermerker om specifieke immuuntherapie tegen te ontwikkelen. Door een beperkte hoeveelheid laboratoriumexperimenten met bloedstalen van kankerpatiënten te combineren met artificiële intelligentie, zal dit project resulteren in de identificatie van nieuwe kandidaat werkzame WT1-specifieke TCR's voor ontwikkeling van de volgende generatie T-celterapieën. De ontwikkelde computermodellen kunnen hierna uitgebreid worden voor TCR's tegen andere kankermerkers.

Onderzoeker(s)

• Promotor: Lion Eva
• Co-promotor: Laukens Kris
• Co-promotor: Meysman Pieter

Onderzoeksgroep(en)

• Laboratorium voor Experimentele Hematologie (LEH)

Project type(s)

• Onderzoeksproject

Abstract

Chikungunya virus (CHIKV) is een heropflakkerend pathogeen voor de mens en heeft de laatste 10 jaar een snelle wereldwijde verspreiding gezien. Het is de meest wijdverspreide vertegenwoordiger van een groep door muggen overgedragen, arthritis veroorzakende, virussen die in de helft van de patiënten een chronische gewrichtspijn veroorzaakt lang na de initiële infectie. De chronische pijn wordt veroorzaakt door een langdurige ontsteking en wordt vergeleken met rheumatoïde arthritis. Tot op heden zijn de veroorzakende antigenen of de rol voor verschillende T cellen in de ziekte nog niet geïdentificeerd. Door gebruik te maken van next-gen sequenering in het perifeer bloed van chikungunya patienten die wel of niet chronische pijnen ontwikkelen zullen we de T cell receptor (TCR) patronen die enkel voorkomen bij chronische CHIKV identificeren. Deze data zullen de basis vormen voor de verdere studie van de rol van verschillende T cellen in het ontstaan van de ziekte, het identificeren van het verantwoordelijke antigen(en) en zal mogelijks belangrijke biomerkers identificeren om de ziekte te voorspellen en op te volgen.

Onderzoeker(s)

• Promotor: Ogunjimi Benson
• Co-promotor: Laukens Kris
• Co-promotor: Meysman Pieter

Onderzoeksgroep(en)

• Centrum voor Gezondheidseconomisch Onderzoek en Modelleren van Infectieziekten (CHERMID)

Project type(s)

• Onderzoeksproject

Abstract

De huidige serologische testmethoden die worden gebruikt om diagnose van de ziekte van Lyme (LD) te onderbouwen zijn ernstig ontoereikend: hun sensitiviteit (25–50%) en specificiteit is te laag in vroege LD, en ze kunnen geen actieve van een oude infectie onderscheiden in ernstige late stadia zoals Lyme arthritis (LA). In tegenstelling tot Borrelia-specifieke antilichamen blijkt dat T cellen consistenter en sneller gerekruteerd worden in LD. Verder spelen verschillende T cel subsets een belangrijke rol in het verdere ziekteverloop en de ontwikkeling van postinfectieuze (auto-immuun gedreven) LA. Met dit project zullen we het potentieel van deze T cellen als alternatieve diagnosestrategie onderzoeken. Voortbouwend op de recente ontwikkelingen in single-cell immuunprofilering zal dit project een nieuw kader opleveren om in ongeëvenaard detail ziekte-geassocieerde T-cel signaturen in kaart te brengen. Hiervoor integreren we het T cel fenotype met zijn receptor specificiteit. Voorts vervullen we de behoefte voor efficiënte analysemethoden van zulk complexe data: we ontwikkelen een vernieuwende immunoinformatica workflow die ons in staat stelt om klinisch relevante inzichten en zeer specifieke biomerkers te distilleren. Het toepassen van deze methodologie bij verschillende vormen van LD, LA en andere relevante vormen van auto-immuun arthritis stelt ons in staat om de enorme diagnostische nood in te lossen, en de ongrijpbare mechanismen achter postinfectieuze LA te ontrafelen.

Onderzoeker(s)

• Promotor: Ogunjimi Benson
• Co-promotor: Laukens Kris
• Co-promotor: Meysman Pieter
• Mandaathouder: Van Deuren Vincent

Onderzoeksgroep(en)

• Centrum voor Gezondheidseconomisch Onderzoek en Modelleren van Infectieziekten (CHERMID)

Project type(s)

• Onderzoeksproject

Abstract

Het doel van dit project is om een robuuste workflow the ontwikkelen voor de identificatie van veelbelovende T cell receptoren (TCRs) in de ontwikkeling van T cell gebaseerde immuuntherapieën. De focus ligt op het leukemie geassocieerde Willm's tumor-1 (WT1) antigen. Hiervoor is een unieke collectie van bloedstalen beschikbaar van patiënten met acute myeloïde leukemie (AML). Deze werden verzameld in de context van onze academische klinische onderzoeken die het effect van dendritische celvaccinatie (DC vaccinatie) onderzoeken waarbij de DCs geladen zijn met WT1 mRNA. Deze immuuntherapie is ontwikkeld om WT1-specifieke T cellen te activeren. Door gespecialiseerde cel sortering technieken te combineren met zelf ontwikkelde bioinformatica methoden zullen we single-cell TCR en RNA sequenering integreren met unieke computationele modellen ten einde de specificiteit en de transcriptomische profielen van deze T cellen te linken met de klinische response van de patiënten.

Onderzoeker(s)

• Promotor: Laukens Kris
• Co-promotor: Lion Eva
• Co-promotor: Meysman Pieter
• Mandaathouder: Gielis Sofie

Onderzoeksgroep(en)

• ADReM Data Lab (ADReM)

Project type(s)

• Onderzoeksproject

Abstract

Hoge doorvoer sequenering laat toe het menselijk immuunsysteem te karakteriseren, maar de data die daaruit voortkomt kan niet zomaar vertaald worden naar klinische inzichten. We hebben daarom artificiële intelligentie modellen ontwikkeld die T-cel receptor- en gen-expressie data kunnen vertalen naar bruikbare inzichten over het immuunstatus van een individu. Zo hebben we het eerste online platvorm ontwikkeld om de epitopen van T-cellen te voorspellen. We hebben de kracht van hiervan aangetoond voor het voorspellen en modelleren van vaccinatie geïnduceerde immuunresponsen.

Onderzoeker(s)

• Promotor: Meysman Pieter

Onderzoeksgroep(en)

• ADReM Data Lab (ADReM)

Project type(s)

• Onderzoeksproject

Abstract

Het menselijke immuunsysteem, en op zijn beurt zijn reactie op ziekteverwekkers, kanker en andere ziekten, wordt beheerst door een complexe interactie tussen verschillende soorten immuuncellen. T-cellen spelen een belangrijke rol in de afweer van het immuunsysteem omdat ze specifieke eliminatieroutes initiëren voor kanker en geïnfecteerde cellen. De opkomst van single-cell sequencing heeft nieuwe deuren geopend om het functionele T-celrepertoire te bestuderen door de T-celsubtypen in immuunrepertoires in kaart te brengen. Interpretatie van single cell gegevens ontbreekt is een complex probleem en er zijn geen methoden beschikbaar om T-celfunctionaliteiten te koppelen aan hun werkelijke pathogene doelwitten. Dit project heeft tot doel de rijkdom aan single cell gegevens te benutten om belangrijke wisselwerkingen tussen T-cel-subtypen en andere immuuncellen te visualiseren. Hiertoe zal het team een ​​gebruiksvriendelijke tool ontwikkelen om groepen ziekterelevante T-cellen functioneel te annoteren binnen eencellige gegevens die zowel klinisch relevant als direct bruikbaar zijn. Na identificatie van de belangrijkste actieve T-cellen, zal integratie met single cell transcriptomics van andere immuunceltypen de verklaring van hun activiteit ondersteunen. Dit zal helpen bij het begrijpen van het functionele immuuncompartiment bij verschillende pathologieën, waaronder kanker, infecties en auto-immuunziekten.

Onderzoeker(s)

• Promotor: Meysman Pieter

Onderzoeksgroep(en)

• ADReM Data Lab (ADReM)

Project type(s)

• Onderzoeksproject

Abstract

Infectie met de Leishmania-parasiet kan leiden tot een breed spectrum van klinische presentaties, variërend van diverse cutane presentaties (plaatselijk, mucocutaan, verspreid) tot een dodelijke systemische ziekte (viscerale leishmaniasis). Toch blijven de onderliggende factoren die dit ziektespectrum aansturen grotendeels onbekend. Hoewel Leishmania een verplichte intracellulaire parasiet is die overleeft in het fagolysosoom van belangrijke antigeenpresenterende cellen, blijft het grotendeels onontgonnen of de complexe interactie tussen gastheer en parasiet zich vertaalt in een veranderd netto-effect op het door MHC gepresenteerde peptidoom naar T-cellen (waardoor een differentieel antigeen ontstaat) -specifiek T-celrepertoire), en of en hoe dit verband houdt met bepaalde ziektepresentaties met duidelijke immunopathologische patronen. Hoewel er pogingen zijn gedaan in muizenmodellen, zijn er vaak tegenstrijdige gegevens gevonden tussen experimentele in vivo modellen, in vitro instellingen en patiënten met betrekking tot de immuunrespons van de gastheer na Leishmania-infectie. Door een nieuwe high-throughput MS-gebaseerde methode toe te passen op een unieke set weefselmonsters van patiënten, willen we de eerste uitgebreide screening van het antigene repertoire uitvoeren en onderzoeken of en hoe dit verschilt tussen in vitro en in vivo omstandigheden, bloed en weefsel compartimenten, en over de klinische presentaties.

Onderzoeker(s)

• Promotor: Baggerman Geert
• Co-promotor: Cuypers Bart
• Co-promotor: Meysman Pieter
• Co-promotor: Pepermans Elise

Onderzoeksgroep(en)

• Ecosphere

Project type(s)

• Onderzoeksproject

Abstract

T-celimmuniteit is een belangrijke speler bij de ontwikkeling en progressie van multiple sclerose (MS). De T-celreceptor (TCR) die tot expressie wordt gebracht op het celoppervlak van T-cellen is een van de belangrijkste determinanten van gezonde tegenover abberante cellen. De samenstelling van de TCR-sequentieruimte die zich richt op MS-betrokken antigenen, zoals myeline, is momenteel slecht gekarakteriseerd. Onze hypothese is dat de TCR-ruimte onschatbare kennis bevat die de moleculaire mechanismen van zelfantigeenreactiviteit kan ontsluiten. Daarom streven we ernaar om de MS-antigeen-specifieke TCR-ruimte in kaart te brengen met de modernste immuno-informatica datamining-modellen.

Onderzoeker(s)

• Promotor: Meysman Pieter

Onderzoeksgroep(en)

• ADReM Data Lab (ADReM)

Project type(s)

• Onderzoeksproject

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)

• Promotor: Laukens Kris
• Co-promotor: Meysman Pieter
• Mandaathouder: Postovskaya Anna

Onderzoeksgroep(en)

• ADReM Data Lab (ADReM)

Project type(s)

• Onderzoeksproject

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)

• Promotor: Laukens Kris
• Co-promotor: Cools Nathalie
• Co-promotor: Meysman Pieter
• Mandaathouder: Valkiers Sebastiaan

Onderzoeksgroep(en)

• ADReM Data Lab (ADReM)

Project type(s)

• Onderzoeksproject

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)

• Promotor: Ogunjimi Benson
• Co-promotor: Beutels Philippe
• Co-promotor: Coenen Samuel
• Co-promotor: Laukens Kris
• Co-promotor: Lion Eva
• Co-promotor: Meysman Pieter
• Co-promotor: Van Damme Pierre

Onderzoeksgroep(en)

• Centrum voor Gezondheidseconomisch Onderzoek en Modelleren van Infectieziekten (CHERMID)

Project type(s)

• Onderzoeksproject

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)

• Promotor: Laukens Kris
• Co-promotor: Meysman Pieter
• Co-promotor: Ogunjimi Benson

Onderzoeksgroep(en)

• ADReM Data Lab (ADReM)

Project type(s)

• Onderzoeksproject

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)

• Promotor: Laukens Kris
• Co-promotor: Bittremieux Wout
• Co-promotor: Meysman Pieter
• Mandaathouder: Postovskaya Anna

Onderzoeksgroep(en)

• ADReM Data Lab (ADReM)

Project type(s)

• Onderzoeksproject

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)

• Promotor: Laukens Kris
• Co-promotor: Meysman Pieter
• Co-promotor: Ogunjimi Benson

Onderzoeksgroep(en)

• ADReM Data Lab (ADReM)

Project type(s)

• Onderzoeksproject

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)

• Promotor: Laukens Kris
• Co-promotor: Meysman Pieter
• Co-promotor: Smits Evelien
• Co-promotor: Van Tendeloo Vigor
• Mandaathouder: Gielis Sofie

Onderzoeksgroep(en)

• ADReM Data Lab (ADReM)

Project type(s)

• Onderzoeksproject

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)

• Promotor: Laukens Kris
• Co-promotor: Meysman Pieter
• Mandaathouder: Moris Pieter

Onderzoeksgroep(en)

• ADReM Data Lab (ADReM)

Project type(s)

• Onderzoeksproject

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)

• Promotor: Meysman Pieter

Onderzoeksgroep(en)

• ADReM Data Lab (ADReM)

Project type(s)

• Onderzoeksproject

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)

• Promotor: Laukens Kris
• Co-promotor: Meysman Pieter
• Mandaathouder: Cuypers Wim

Onderzoeksgroep(en)

• ADReM Data Lab (ADReM)

Project type(s)

• Onderzoeksproject

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)

• Promotor: Meysman Pieter

Onderzoeksgroep(en)

• ADReM Data Lab (ADReM)

Project type(s)

• Onderzoeksproject

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)

• Promotor: Laukens Kris
• Co-promotor: Meysman Pieter
• Mandaathouder: Moris Pieter

Onderzoeksgroep(en)

• ADReM Data Lab (ADReM)

Project type(s)

• Onderzoeksproject

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)

• Promotor: Meysman Pieter

Onderzoeksgroep(en)

• ADReM Data Lab (ADReM)

Project type(s)

• Onderzoeksproject