Development of an integrated data mining toolkit for the investigation of fibromics data

Abstract

It is currently estimated that human species can be affected by more than 10,000 distinct rare diseases. Although each one concerns a small percentage of the world’s population, together they can create a huge economic burden. Among this long list of diseases lies idiopathic pulmonary fibrosis, the most lethal of the idiopathic interstitial pneumonias. Until now there is no curative option other than the scarcely available lung transplantation opportunities. Thus, patients are treated with anti-fibrotic agents trading time for often severe side effects. Over the next decades, disease burden is estimated to increase due to a pattern of increasing prevalence and a bidirectional relationship to COVID-19, necessitating research intensification. In this thesis, in silico methods have been utilized in order to propose novel disease biomarkers and curative options for pulmonary fibrosis. Towards that goal we have created Fibromine, a database of manually curated and consistently re-analyzed omics data, spanning two species and numerous experimental setups. Its contents are freely accessible via the homonym online application which can also be used for real-time data combination, statistical and visual exploration. Subsequently, Fibromine-proposed deregulated features between pulmonary fibrosis and control conditions were used for machine learning prioritization of disease biomarkers. A short and a long target lists were obtained from SHAP-based explanation of the models, containing both well established and interesting novel targets. Both gene lists were capable of separating pathological from steady state samples with an at least equal performance to that of previously proposed feature sets. Overall, computational analysis has proven capable of identifying new promising disease targets once applied on high quality data. Centralization of the latter is necessary for future studies acceleration, hypothesis formation and/or validation. Moreover, various omics data have been processed for the investigation of pulmonary fibrosis-related molecules and conditions. Data analysis from control, hepatocellular adenocarcinoma, prostate, lung and breast cancer samples described a regulatory link between DNA methylation and ENPP2 expression. Deregulated during cancer and measurable through non-invasive procedures, this regulatory connection was found of some prognostic value urging for more studies on the subject. Subsequently, microbiome exploration from murine gut, liver and lung suggested the existence of an axis connecting the three organs. Diet-induced obesity was proposed to cause dysbiosis, thus potentially impairing homeostatic balance. Next, investigation of the up-regulated lipocalin-2 expression during pulmonary fibrosis suggested the molecule in question as a biomarker for lung inflammation and respiratory functional status, motivating for further studies. In fibroblasts was found to be crucial for pulmonary fibrosis and extracellular matrix invasion. Importantly, targeting Tks5 successfully attenuated pulmonary fibrosis via down-regulating podosomes formation, thus arising as a new promising therapeutic alternative. In another report, MAP3K8 was revealed to have an anti-fibrotic character via mediating inflammation-related processes and Cox-2-mediated PGE2 production. Furthermore, examination of COVID-19 data suggested the pathologic nature of ATX/LPA axis and its importance for dendritic cells homeostasis which is disrupted during SARS-CoV-2 infection. Last, a detailed study recorded the responses of HKC-8 cells post distinct treatments with 176 stimulants. Among them, LPA acted in a pro-inflammatory fashion indicating a possible pathogenic role in chronic kidney disease. In total, the above projects created a central high quality database of pulmonary fibrosis omics data, proposed new target genes for the treatment of pulmonary fibrosis and have also delved deeper into obscure areas of the aforementioned and similar pathologies.

Σύμφωνα με τις τελευταίες εκτιμήσεις το ανθρώπινο είδος μπορεί να επηρεαστεί από περισσότερες από 10.000 διακριτές σπάνιες ασθένειες. Παρότι κάθε μια αφορά ένα μικρό ποσοστό του παγκόσμιου πληθυσμού, στο σύνολό τους δημιουργούν ένα μεγάλο οικονομικό βάρος. Ανάμεσα τους βρίσκεται και η ιδιοπαθής πνευμονική ίνωση, η πιο θανάσιμη από τις ιδιοπαθείς διάμεσες πνευμονοπάθειες. Έως τώρα δεν υπάρχει άλλη θεραπευτική επιλογή πέραν των σπάνιων ευκαιριών μεταμόσχευσης πνευμόνων. Έτσι οι ασθενείς λαμβάνουν αντι-ινωτικούς παράγοντες ανταλλάσσοντας χρόνο με πολλές φορές σοβαρές παρενέργειες. Κατά τις επόμενες δεκαετίες το φορτίο της ασθένειας εκτιμάται πως θα αυξηθεί εξαιτίας ενός μοτίβου αυξανόμενου επιπολασμού και αμφίδρομης συσχέτισης με την νοσο COVID-19, επιβάλλοντας την εντατικοποίηση σχετικών ερευνών. Σε αυτή τη διατριβή χρησιμοποιήθηκαν in silico μέθοδοι για την πρόταση καινοτόμων βιοδείκτων και θεραπευτικών επιλογών για την πνευμονική ίνωση. Προς αυτό τον στόχο δημιουργήσαμε το Fibromine, μια βάση δεδομένων από χειρωνακτικώς σχολιασμένα και συνεπώς επαν-αναλυμένα ωματικά δεδομένα που εκτείνονται σε δύο είδη και πολυάριθμες πειραματικές διευθετήσεις. Τα περιεχόμενα της είναι δωρεάν προσβάσιμα μέσω της ομώνυμης διαδικτυακής εφαρμογής η οποία μπορεί επίσης να χρησιμοποιηθεί για τον συνδυασμό, την στατιστική και οπτική εξερεύνηση των δεδομένων σε πραγματικό χρόνο. Ακολούθως, γενετικά στοιχεία που προτάθηκαν από το Fibromine ως απορρυθμισμένα μεταξύ πνευμονικής ίνωσης και συνθηκών ελέγχου χρησιμοποιήθηκαν για την ιεράρχηση βιοδεικτών χρήσει μηχανιστικής μάθησης. Μια βραχέα και μια μακρά λίστα στόχων αποκτήθηκε από εξήγηση των μοντέλων με τη χρήση τιμών SHAP, περιλαμβάνοντας τόσο καλώς ορισμένους όσο και ενδιαφέροντες νέους στόχους. Και οι δύο λίστες γονιδίων ήταν ικανές να διαχωρίσουν παθολογικά από υγιή δείγματα με τουλάχιστον ισάξια επίδοση με αυτή προηγουμένως προταθέντων συνόλων γενωμικών χαρακτηριστικών. Εν πολλοίς, η πληροφοριακή ανάλυση αποδείχθηκε ικανή στον εντοπισμό νέων πολλά υποσχόμενων παθολογικών στόχων, εφόσον εφαρμοστεί σε υψηλής ποιότητας δεδομένα. Η συγκέντρωση των τελευταίων είναι απαραίτητη για την επιτάχυνση μελλοντικών μελετών, καθώς και για τον σχηματισμό ή/και την επαλήθευση υποθέσεων. Επιπροσθέτως, διάφορα ωματικά δεδομένα έτυχαν επεξεργασίας για την μελέτη συγγενών μορίων/συνθηκών της πνευμονικής ίνωσης. Ανάλυση δειγμάτων αναφοράς, προστατικού, πνευμονικού, μαστικού και ηπατικού καρκίνου περιέγραψε έναν ρυθμιστικό σύνδεσμο μεταξύ DNA μεθυλίωσης και της έκφρασης του ENPP2. Απορρυθμισμένη κατά τον καρκίνο και μετρήσιμη μέσω μη επεμβατικών μεθόδων αυτή η ρυθμιστική σύνδεση βρέθηκε να έχει κάποια προγνωστική αξία ωθώντας προς νέες έρευνες. Ακολούθως, εξερεύνηση του μικροβιώματος εντέρου, ήπατος και πνευμόνων ποντικών πρότεινε την ύπαρξη ενός άξονα μεταξύ των τριών οργάνων. Παχυσαρκία επαγόμενη από λιπαρή δίαιτα προτάθηκε πως προκαλεί δυσβίωση και πιθανώς διαταραχή της ομοιόστασης. Έπειτα, έρευνα της αυξημένης έκφρασης της lipocalin-2 κατά την πνευμονική ίνωση πρότεινε το εν λόγω μόριο ως έναν βιοδείκτη της πνευμονικής φλεγμονής και των πνευμονικών λειτουργιών, κινητοποιώντας προς περαιτέρω έρευνες. Επίσης, ο TSK5 διαμεσολαβούμενος σχηματισμός ποδοσωμάτων από πνευμονικούς ινοβλάστες βρέθηκε καίριας σημασίας για την πνευμονική ίνωση και την εισβολή στην εξωκυττάρια μήτρα. Η στόχευση του Τks5 σταμάτησε επιτυχώς την πνευμονική ίνωση μέσω μειωμένου σχηματισμού ποδοσωμάτων, και έτσι αναδείχθηκε έως μια νέα πολλά υποσχόμενη θεραπευτική επιλογή. Σε άλλη αναφορά, το MAP3K8 φανερώθηκε να έχει αντι-ινωτικό χαρακτήρα μέσω ρύθμισης φλεγμονωδών διαδικασιών και της Cox-2 διαμεσολαβούμενης παραγωγής PGE2. Επιπλέον, εξέταση COVID-19 δεδομένων πρότεινε την παθολογική φύση του άξονα ΑΤΧ/LPA και τη σημαντικότητα του για την ομοιόσταση των δενδριτικών κυττάρων, η οποία διακόπτεται κατά τη διάρκεια της λοίμωξης με SARS-CoV-2. Τέλος, μια αναλυτική μελέτη κατέγραψε τις αποκρίσεις των HKC-8 κυττάρων σε 176 διακριτές επωάσεις. Μεταξύ αυτών το LPA είχε προ-φλεγμονώδη δράση υποδεικνύοντας τον πιθανώς παθογονικό ρόλο του στην χρόνια νεφρική νόσο.Εντέλει, οι προαναφερθείσες εργασίες δημιούργησαν μια κεντρική, υψηλής ποιότητας βάση ωματικών δεδομένων πνευμονικής ίνωσης, πρότειναν νέα γονίδια στόχους για την θεραπεία της, ενώ επίσης διείσδυσαν βαθύτερα σε αχαρτογράφητες περιοχές της ανωτέρω παθολογίας.