Συστημική μοντελοποίηση muti-omics δεδομένων για εύρεση μηχανισμών ανθρώπινων ασθενειών

Ζαρείφη, Δανάη - Στέλλα; Zareifi, Danai - Stella

dc.contributor.author	Ζαρείφη, Δανάη - Στέλλα	el
dc.contributor.author	Zareifi, Danai - Stella	en
dc.date.accessioned	2022-02-16T10:05:10Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/54727
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.22425
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Μοντελοποίηση	el
dc.subject	Ασθένειες	el
dc.subject	Φάρμακα	el
dc.subject	Omic δεδομένα	el
dc.subject	΄Ανθρωποι
dc.title	Συστημική μοντελοποίηση muti-omics δεδομένων για εύρεση μηχανισμών ανθρώπινων ασθενειών	el
dc.title	Systematic modelling of multi-omic data for deciphering mechanisms of human diseases	en
dc.contributor.department	Τομέας Μηχανολογικών Κατασκευών και Αυτομάτου Ελέγχου, Εργαστήριο Βιοϊατρικών Συστημάτων	el
heal.type	doctoralThesis
heal.classification	Βιολογία Συστημάτων	el
heal.dateAvailable	2023-02-15T22:00:00Z
heal.language	en
heal.access	embargo
heal.recordProvider	ntua	el
heal.publicationDate	2021-10-07
heal.abstract	Οι omic τεχνολογίες που έχουν αναπτυχθεί τις τελευταίες δεκαετίες, έχουν προσφέρει τη βάση για την ανάπτυξη μεθοδολογιών βιολογίας συστημάτων, που περιλαμβάνει το συνδιασμό διαφόρων τύπων omic δεδομένων με σκοπό την ανακάλυψη μοριακών μοτίβων που σχετίζονται με ασθένειες. Η Μη Αλκοολική Λιπώδης Νόσος του Ήπατος (ΜΑΛΝΗ) συγκαταλέγεται ανάμεσα στις πιο κοινές παθολογίες του ήπατος, ωστόσο κανένα φάρμακο δεν έχει εγκριθεί για τη θεραπεία της. Η παρούσα έρευνα παρουσιάζει μια μεθοδολογία επαναστόχευσης φαρμάκων που συνδιάζει in vitro μοντέλα της νόσου με μια υπολογιστική πλατφόρμα βασιζόμενη σε βιολογικά δίκτυα, με σκοπό να προτείνει επιτυχώς εποαναστοχευμένες ουσίες για τη ΜΑΛΝΗ. Η in silico πλατφόρμα εξέτασε 20’000 ενώσεις, ενώ συμπληρωματικές in vitro και πρωτεομικές δοκιμασίες αναπτύχθηκαν για να δοκιμαστεί η αποτελεσματικότητα των 46 in silico προβλέψεων. Αυτή η προσέγγιση αναγνώρισε με επιτυχία 6 ενώσεις, συμπεριλαμβανομένων των γνωστών αντι-στεατογόνων φαρμάκων Resveratrol και Sirolimus. Εν ολίγοις, η Gallamine triethiodide, η Diflorasone, η Fenoterol και η Pralidoxime βελτιώνουν τη στεάτωση παρόμοια με τa Resveratrol/Sirolimus. Η εφαρμογή έχει μεγάλες δυνατότητες στη μείωση του χρόνου διαλογής στα πρώτα στάδια της ανακάλυψης φαρμάκων και στην παροχή πολλά υποσχόμενων ενώσεων για in vivo δοκιμές.	el
heal.sponsor	The research for this dissertation was carried out under the supervision of the Associate professor of the Mechanical Engineering School of NTUA, Leonidas G. Alexopoulos. My research has been co‐financed by the European Union and Greek national funds through the Operational Program Competitiveness, Entrepreneurship and Innovation, under the call RESEARCH – CREATE – INNOVATE (project code:T1EDK-02829).	en
heal.advisorName	Αλεξόπουλος, Λεωνίδας	el
heal.committeeMemberName	Φραγκουλίδης, Γεώργιος	el
heal.committeeMemberName	Τρουγκάκος, Ιωάννης	el
heal.committeeMemberName	Τζεράνης, Δημήτριος	el
heal.committeeMemberName	Αναγνωστάκης, Μάριος	el
heal.committeeMemberName	Κόλλια, Παναγούλα	el
heal.committeeMemberName	Χρόνης, Νικόλαος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Μηχανολόγων Μηχανικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	215 σ.	el
heal.fullTextAvailability	false
heal.fullTextAvailability	false