Dario Melguizo Sanchis

Advanced Therapy Medicinal Products (ATMPs) är ett snabbt växande forskningsfält inom medicin med stor potential, där det finns ett växande behov av robusta och effektiva metoder för att karaktärisera och klassificera processer för bedömning av säkerhetsaspekter kring behandlingen. Projektet samlar intressenter från akademi och industri för utveckling av AI-baserade metoder för säkerhetsbedömning av ATMPs och för att identifiera nya säkerhetsbiomarkörer för att upptäcka avvikelser i tidiga skeden av ATMP-tillverkningsprocessen.

I projektet utvecklas och implementeras en innovative Deep-Learning (DL) metod för kvalitetsanalyser. För utveckling av metoden används humana embryonala stamceller som modellsystem för en stegvis utveckling av ett neuralt nätverk (NN) för klassificering av cellkvalitet med hjälp av kvantitativ PCR data (qPCR).

Artificiell intelligens (AI) är en viktig drivkraft som snabbt håller på att transformera sjukvård och läkemedelsindustrier på många sätt. Den stora mängden biomedicinsk data som idag finns tillgänglig erbjuder unika möjligheter att utveckla olika AI-baserade modeller. Det finns dock många utmaningar associerade med tillämpning av AI-metoder inom Life Science som ännu inte adresserats.

Detta är ett av tre delprojekt inom synergiprojektet BioMine – Data-mining för identifiering, selektion och validering av biomarkörer. Delprojektet undersöker storskalig biomolekylär data för att identifiera specifika markörer som kan användas för att påvisa toxiska effekter på humana celler. Projektet är ett samarbete mellan Högskolan i Skövde, AstraZeneca Gothenburg och Takara Bio Europe.

Inom BioMine-projektet studerar vi möjligheterna att använda storskalig biologisk data för att identifiera och validera biomarkörer inom Life-Science-området. Biomarkörer blir allt viktigare inom det biomedicinska området, och det finns ett växande behov av att identifiera nya markörer för diagnostik av sjukdomar och sjukdomsprogression.