Pārlekt uz galveno saturu

Saprotot nepieciešamību pēc spēcīgām zināšanām bioinformātikas un lielo datu analīzes jomā, Rīgas Stradiņa universitāte (RSU) nesen ir izveidojusi Bioinformātikas pētniecības grupu. Galvenais grupas fokuss ir genoma, transkriptoma, mikrobioma un citu omikas datu analīze un integrēšana ar epidemioloģisko, klīnisko, kā arī vides un dzīvesveida informāciju personalizētās medicīnas kontekstā, kuras mērķis ir pielāgot diagnostiku un terapiju indivīdu vajadzībām.

Mēs sniedzam atbalstu šādās jomās:

  • Konsultācijas bioinformātikā: pētījumu plānošana, datu interpretācija un hipotēžu ģenerēšana, atbildot uz konkrētiem jautājumiem, kas saistīti ar bioinformātiku, statistiku vai multiomikas datu integāciju;
  • Datu analīze un vizualizācija: darba plūsmu izstrāde, kas pielāgotas konkrētām interesējošām izpētes tēmām un pieejamo datu kopām;
  • Zinātniskā rakstīšana: bioinformātikas metožu izstrāde un apraksti vai korekcijas projektu pieteikumos un zinātniskajās publikācijās.

bioinformatics_diagram1.png

Kompetences jomas

Genomiskie dati: genotipēšanas čipu, visa eksoma un visa genoma sekvenēšanas (VES / VGS) datu analīze, ieskaitot kvalitātes kontroli un datu tīrīšanu, ģenētisko variantu sasaukšanu un funkcionālo anotāciju, jaucējfaktoru korekciju, imputāciju, asociāciju analīzi un vizualizāciju.

Transkripcijas dati: RNS sekvenēšanas, micročipu un RT-qPCR datu analīze, tostarp kvalitātes kontrole, datu filtrēšana, normalizēšana, diferenciālās ekspresijas analīzes un vizualizācija. Gan proteīnus kodējošo, gan nekodējošo RNS transkriptu analīze gēnu vai izoformu līmenī.

Mikrobioma dati: 16S rRNS amplikonu sekvenēšana datu kvalitātes kontrole, pirmapstrāde, taksonomiskā klasifikācija un tālākā analīze, piemēram, alfa un beta diversitātes analīze, kopienu identificēšana un funkcionalitātes prognozēšana.

Datu izpēte un vizualizācija, lai saprastu datu īpašības un detektētu tendences, ar mērķi no datiem iegūt jēgpilnu informāciju un sagatavotos turpmākai padziļinātai datu analīzei, kā arī, lai sagatavotu reprezentatīvus attēlus publikācijām.

Medicīnisko attēlu analīze: līdzdarbība un konsultācijas tādu pētījumu projektu izstrādē, kas ietver medicīnisko attēlu izmantošanu medicīniskajā diagnostikā un prognozēšanā, izmantojot mākslīgo intelektu, sākot no specifikāciju definēšanas līdz sagatavošanai un skalēšanai.

Datu integrācija: ģenētisko variantu integrēšana ar transkripcijas datiem, proteīnu un metabolītu mērījumiem, epidemioloģisko, klīnisko, kā arī vides un dzīvesveida informāciju.

Personāls

Vadītāja un vadošā pētniece, Bioinformātikas pētniecības grupa; projektu vadītāja, Zinātnes pārvalde

Vairāk

Dr. Baibai Vilnei ir vairāk nekā 10 gadu pieredze uz personalizēto medicīnu orientētajā bioinformātikā, analizējot genoma datu (čipus, VES / VGS), transkripcijas un mikrobioma datus. Viņas galvenais fokuss ir integratīvā multiomikas datu analīze, sākot no divu tipu datu integrācijas (piem., ekspresijas kvantitatīvo pazīmju lokusi; eKPL), kam seko gēnu koekspresijas tīklu / moduļu detekcija, saistot tos ar klīnisko, kā arī vides un dzīvesveida informāciju.

baiba[pnkts]vilneatrsu[pnkts]lv

Baiba Alkšere, zinātniskā asistente, Bioinformātikas pētniecības grupa; doktorante, Molekulārās ģenētikas zinātniskā laboratorija

Vairāk

Baiba Alkšere, MSc, ir molekulārā ģenētiķe, kura šobrīd ir uzsākusi doktorantūras studijas. Viņas promocijas darbs koncentrējas uz neauglīgu cilvēku spermas veidošanās defektu ģenētiskajiem cēloņiem. Pašlaik Baiba ir iesaistījusies arī SARS-Cov-2 sekvenēšanas datu bioinformātikas analīzēs projektam Multidisciplināra pieeja COVID19 un citu nākotnes epidēmiju monitorēšanai, kontrolei un ierobežošanai Latvijā (COV-MITIGATE) (Nr. VPP-COVID -2020 / 1-0008).

baiba[pnkts]alksereatrsu[pnkts]lv

Serhio Urive (Sergio Uribe), vadošais pētnieks, Bioinformātikas pētniecības grupa

Vairāk

Dr. Serhio Urive ir zobārsts, sejas un žokļu radiologs un biomedicīnas zinātņu doktors. Viņa pētījumi ir vērsti uz to, kā uzlabot cilvēku mutes dobuma veselību, izmantojot labākas klīniskās un uz medicīnas attēliem balstītās diagnostikas metodes zobu kariesa temporomandibulāro traucējumu un mutes dobuma vēža diagnostikai, kā arī modificējamo riska faktoru identificēšana šīm diagnozēm. Tāpat Dr. Urive aktīvi iesaistās mutes dobuma veselības nodrošināšanas procedūru efektivitātes novērtēšanā, gan no klīniskā, gan sabiedrības viedokļa personalizētās medicīnas kontekstā. Visbeidzot, viņš ir asociētais redaktors žurnāliem BMC Oral Health un Dental Traumatology.

Atslēgvārdi: epidemioloģiskie pētījumi, sistemātiski pārskati un metaanalīzes, klīniskie pētījumi, diagnostikas precizitāte, Tidyverse, datu analīze, biostatistika, regresijas modelēšana

ORCID 0000-0003-0684-2025

Twitter: @sergiouribe

sergio[pnkts]uribeatrsu[pnkts]lv

Katrīna Daila Neiburga, MSc, zinātniskā asistente, Bioinformātikas pētniecības grupa

Vairāk

Katrīna veic mRNS analīzi FLP projektā Primārie (pārsvarā) antivielu deficīti pieaugušajiem: meklējot slimības cēloņus un klīnisko izpausmju dažādību (Nr. lzp-2020/1-0269). Tāpat Katrīna aktīvi iesaistās arī citos ar bioinformātiku saistītos projektos, piemēram, identificējot miRNS variācijas koronāro artēriju slimību gadījumā, saistot to ar genoma informāciju, sadarbībā ar Deutsches Herzzentrum München Klinik für Herz- und Kreislauferkrankungen; ar hipoksiju saistīto biomarķieru identifikācijā HER2+ krūts vēža šūnu līnijās un baktēriju un vīrusu infekciju biomarķieru identifikācijā bērniem ar paaugstinātu temperatūru, izmantojot urīna transkriptoma analīzi.

Iepriekš Katrīna ir strādājusi arī pie neironu šūnu translācijas profilēšanas un augu vielmaiņas ceļu matemātiskās modelēšanas.

KatrinaDaila[pnkts]Neiburgaatrsu[pnkts]lv

Metodes, rīki un aprīkojums

Genomiskie dati: PLINK, SNPTEST, BWA-MEM, GATK4, DeepVariant, VarScan, Mutect2, BreakDancer, ANNOVAR

Transkripcijas dati: FastQC, Trimmomatic, STAR, featureCounts, edgeR, LIMMA, DESeq2, ToppFun

Mikrobioma dati: FastQC, Trimmomatic, QIIME2, BMTagger, Kraken, PROKKA, MetaWRAP

Datu izpēte un vizualizācija: R, Tidyverse

Medicīnisko attēlu analīze: oro.dicom, oro.nifti, spm12r, neurobase, oro.dti, Neuroconductor

Datu integrācija: Correlation analyses (Pearson), co-expression networks (WGCNA), Machine Learning (caret)

Datu analīzei un glabāšanai mums ir pieejama Rīgas Tehniskās universitātes (RTU) augstas veiktspējas skaitļošanas serveru klāsterim, kas sastāv no 55 mezgliem un 1200 kodoliem, nodrošinot 8 TB kopējās RAM (brīvpiekļuves atmiņas) un 0,5 PB cietā diska vietas.

Publikāciju saraksts

2021
  • Hinterdobler J., Schott S., Meesmann A., Steinsiek A.-L., Zimmermann A.-S., Wobst J., Vilne B., Jin H., Baecklund C.-S., Moggio A., Braster Q., Molitor M., Hristov H., Weber C., Wenzel P., Scheiermann C., Maegdefessel L., Soehnlein O., Libby P., Nahrendorf M., Schunkert H., Kessler T., Sager H. B. (2021) Acute mental stress drives vascular inflammation and promotes plaque destabilization in mouse atherosclerosis. European Heart Journal, 2021 Jul. https://doi.org/10.1093/eurheartj/ehab371
  • Zrelovs N., Ustinova M., Silamikelis I., Birzniece L., Megnis K., Rovite V., Freimane L., Silamikele L., Ansone L., Pjalkovskis J., Fridmanis F., Vilne B., Priedite M., Caica A., Gavars M., Perminovs D., Storozenko J., Savicka O., Dimina E., Dumpis U., Klovins J. (2021) First report on the Latvian SARS-CoV-2 isolate genetic diversity. Frontiers in Medicine, 2021 Apr. https://doi.org/10.3389/fmed.2021.626000
  • Nieminen P and Uribe SE (2021) The Quality of Statistical Reporting and Data Presentation in Predatory Dental Journals Was Lower Than in Non-Predatory Journals. Entropy 2021, 23(4), 468; https://doi.org/10.3390/e23040468
  • Schwendicke F, Singh T, Lee YH, Gaudin R, Chaurasia A, Wiegand T, Uribe SE, Krois J (2021) Artificial intelligence in dental research: Checklist for authors, reviewers, readers. Journal of Dentistry 107(103610). https://doi.org/10.1016/j.jdent.2021.103610.
  • Uribe SE, Innes N and Maldupa I (2021) The global prevalence of early childhood caries: A systematic review with meta-analysis using the WHO diagnostic criteria. Int J Paediatr Dent. 2021; 00: 1– 14. https://doi.org/10.1111/ipd.12783
  • Zambrano L.J.M., Karaduzovic-Hadziabdic K., Lonca Turukalo T., Przymus P., Trajkovik V., Aasmets O., Berland M., Gruca A., Telalovic J.H., Hron K., Klammsteiner T., Kolev M., Lahti L., Lopes M.B., Moreno V., Naskinova I., Org E., Paciência I., Papoutsoglou G., Shigdel R., Stres B., Vilne B., Yousef M., Carrillo de Santa Pau E., Claesson M., Moreno Indias I., Truu J. Applications of machine learning in human microbiome studies: a review on feature selection, biomarker identification, disease prediction and treatment. Front. Microbiol., 2021 Feb. https://doi.org/10.3389/fmicb.2021.634511
  • Moreno-Indias I., Lahti L., Nedyalkova M., Elbere I., Roshchupkin G., Adilovic M., Aydemir O., Bakir-Gungor B., Santa Pau E.C., D'Elia D., Desai M.S., Falquet L., Gundogdu A., Hron K., Klammsteiner T., Lopes M.B., Marcos-Zambrano L.J., Marques C., Mason M., May P., Pašić L., Pio G., Pongor S., Promponas V.J., Przymus P., Saez-Rodriguez J., Sampri A., Shigdel R., Stres B., Suharoschi R., Truu J., Truică C.O., Vilne B., Vlachakis D., Yilmaz E., Zeller G., Zomer A.L., Gómez-Cabrero D., Claesson M.J. Statistical and Machine Learning Techniques in Human Microbiome Studies: Contemporary Challenges and Solutions. Front. Microbiol., 2021 Feb. https://doi.org/10.3389/fmicb.2021.635781
  • Rusko J., Vainovska P., Vilne B., Bartkevics V. (2021) Phenolic profiles of raw mono-and poly floral honeys from Latvia. J. Food Compos. Anal. 2021 Jan. https://doi.org/10.1016/j.jfca.2021.103813
2020
  • Maldupa I, Sopule A, Uribe SE, et al. (2020) Caries prevalence and severity for 12-year-old children in Latvia. International dental journal in press: https://doi.org/10.1111/idj.12627
  • Montalban, E., Giralt, A., Taing, L., Nakamura, Y., Martin, C., de Pins, B., Pelosi, A., Goutebroze, L., Castell, L., Wang, W., Neiburga, K. D., Vestito, L., Nairn, A. C., Valjent, E., Hervé, D., Heintz, N., Le Novère, N. G., Greengard, P., Roussarie, J.-P., Girault, J.-A., 2020. Translational profiling of mouse dopaminoceptive neurons reveals a role of PGE2 in dorsal striatum. [PREPRINT] doi:10.1101/2020.09.02.279240
  • Araujo, M. P., Uribe, S., Robertson, M. D., Mendes, F. M., Raggio, D. P., Innes, N. P. T., 2020. "The Hall Technique and exfoliation of primary teeth: a retrospective cohort study." Br. Dent. J. 228, 213–217.
  • Aguilera-Muñoz, F., Uribe, S., Sandoval-Valdés, F., 2020. "Diagnostic Agreement of Bone Measurements for Dental Implants by Cone-Beam Computed Tomography." Int. J. Odontostomat. 14, 89–94.
2019
  • Alksere, B., Berzina, D., Dudorova, A., Conka, U., Andersone, S., Pimane, E., Krasucka, S., Blumberga, A., Dzalbs, A., Grinfelde, I., Vedmedovska, N., Fodina, V., Erenpreiss, J., 2019. Case of Inherited Partial AZFa Deletion without Impact on Male Fertility. Case Rep. Genet. 2019, 3802613.
  • Fodina, V., Dudorova, A., Alksere, B., Dzalbs, A., Vedmedovska, N., Andersone, S., Una, C., Juris, E., Dace, B., 2019. The application of PGT-A for carriers of balanced structural chromosomal rearrangements. Gynecol. Endocrinol. 35, 18–23.
  • Innes, N. P. T., Chu, C. H., Fontana, M., Lo, E. C. M., Thomson, W. M., Uribe, S., Heiland, M., Jepsen, S., Schwendicke, F., 2019. "A Century of Change towards Prevention and Minimal Intervention in Cariology." J. Dent. Res. 98, 611–617.
  • Uribe, S., 2019. "The Routine Use of 3D Imaging May Not Reduce the Risk of Injuries to the Alveolar Inferior Nerve During Third Molar Extraction." J. Evid. Based. Dent. Pract. 19, 89–90.
  • Vilne, B., Meistere, I., Grantiņa-Ieviņa, L., Ķibilds, J., 2019. "Machine Learning Approaches for Epidemiological Investigations of Food-Borne Disease Outbreaks." Front. Microbiol. 10, 1722.
2018
  • Volozonoka, L., Perminov, D., Korņejeva, L., Alkšere, B., Novikova, N., Pīmane, E. J., Blumberga, A., Kempa, I., Miskova, A., Gailīte, L., Fodina, V., 2018. Performance comparison of two whole genome amplification techniques in frame of multifactor preimplantation genetic testing. J. Assist. Reprod. Genet. 35, 1457–1472.
  • Clement, J., Uribe, S., Mariño, R. J., 2018. "Non-clinical Oral Health Practice Specialities", en: Mariño, R. J., Morgan, M. V., Walmsley, A. D. (Eds.), Career Paths in Oral Health. Springer International Publishing, Cham, pp. 95–104.
  • Fejerskov, O., Uribe, S., Mariño, R. J., 2018. "Dentistry in a Historical Perspective and a Likely Future of the Profession", en: Mariño, R. J., Morgan, M. V., Walmsley, A. D. (Eds.), Career Paths in Oral Health. Springer International Publishing, Cham, pp. 3–19.
  • Lira-Oetiker, M., Seguel-Galdames, F., Quero-Vallejos, I., Uribe, S., 2018. "Randomised clinical trial of patient satisfaction with traditional and simplified complete dentures." J. Oral Rehabil. 45, 386–392.
  • Lempiäinen, H., Brænne, I., Michoel, T., Tragante, V., Vilne, B., Webb, T. R., Kyriakou, T., Eichner, J., Zeng, L., Willenborg, C., Franzen, O., Ruusalepp, A., Goel, A., van der Laan, S. W., Biegert, C., Hamby, S., Talukdar, H.A., Foroughi Asl, H., CVgenes@target consortium, Pasterkamp, G., Watkins, H., Samani, N. J., Wittenberger, T., Erdmann, J., Schunkert, H., Asselbergs, F. W., Björkegren, J. L. M., 2018. "Network analysis of coronary artery disease risk genes elucidates disease mechanisms and druggable targets." Sci. Rep. 8, 3434.
  • Vilne, B., Schunkert, H., 2018. "Integrating Genes Affecting Coronary Artery Disease in Functional Networks by Multi-OMICs Approach." Front Cardiovasc Med 5, 89.
  • Schunkert, H., von Scheidt, M., Kessler, T., Stiller, B., Zeng, L., Vilne, B., 2018. "Genetics of coronary artery disease in the light of genome-wide association studies." Clin. Res. Cardiol. 107, 2–9.
2017
  • Uribe, S., 2017. "Radiographic prediction of inferior alveolar nerve injury in third molar surgery." Evid. Based. Dent. 18, 88–89.
  • Vilne, B., Skogsberg, J., Foroughi Asl, H., Talukdar, H.A., Kessler, T., Björkegren, J. L. M., Schunkert, H., 2017. "Network analysis reveals a causal role of mitochondrial gene activity in atherosclerotic lesion formation." Atherosclerosis 267, 39–48.
  • Kessler, T., Wobst, J., Wolf, B., Eckhold, J., Vilne, B., Hollstein, R., von Ameln, S., Dang, T. A., Sager, H. B., Moritz Rumpf, P., Aherrahrou, R., Kastrati, A., Björkegren, J. L. M., Erdmann, J., Lusis, A. J., Civelek, M., Kaiser, F. J., Schunkert, H., 2017. "Functional Characterization of the GUCY1A3 Coronary Artery Disease Risk Locus." Circulation 136, 476–489.
2016
  • Senakola E, Maldupa I, Uribe S, Niznamovs M, 2016. "MUTES VESELĪBAS PĒTĪJUMS SKOLĒNIEM LATVIJĀ." The Centre for Disease Prevention and Control of Latvia.
  • Mariño, R., Ramos-Gómez, F., Manton, D. J., Onetto, J. E., Hugo, F., Feldens, C. A., Bedi, R., Uribe, S., Zillmann, G., 2016. "The future of pediatric dentistry education and curricula: a Chilean perspective." BMC Oral Health 17, 20.
  • Kessler, T., Erdmann, J., Vilne, B., Bruse, P., Kurowski, V., Diemert, P., Schunkert, H., Sager, H. B., 2016. "Serum microRNA-1233 is a specific biomarker for diagnosing acute pulmonary embolism." J. Transl. Med. 14, 120.
  • Kessler, T., Vilne, B., Schunkert, H., 2016. "The impact of genome-wide association studies on the pathophysiology and therapy of cardiovascular disease." EMBO Mol. Med. 8, 688–701.
2015
  • López, N.J., Uribe, S., Martinez, B., 2015. "Effect of periodontal treatment on preterm birth rate: a systematic review of meta-analyses." Periodontol. 2000 67, 87–130.
  • Franke, K., Vilne, B., Prazeres da Costa, O., Rudelius, M., Peschel, C., Oostendorp, R.A.J., Keller, U., 2015. "In vivo hematopoietic Myc activation directs a transcriptional signature in endothelial cells within the bone marrow microenvironment." Oncotarget 6, 21827–21839.
  • Istvánffy, R., Vilne, B., Schreck, C., Ruf, F., Pagel, C., Grziwok, S., Henkel, L., Prazeres da Costa, O., Berndt, J., Stümpflen, V., Götze, K. S., Schiemann, M., Peschel, C., Mewes, H.-W., Oostendorp, R. A. J., 2015. "Stroma-Derived Connective Tissue Growth Factor Maintains Cell Cycle Progression and Repopulation Activity of Hematopoietic Stem Cells In Vitro." Stem Cell Reports 5, 702–715.
  • Brænne, I., Civelek, M., Vilne, B., Di Narzo, A., Johnson, A. D., Zhao, Y., Reiz, B., Codoni, V., Webb, T. R., Foroughi Asl, H., Hamby, S. E., Zeng, L., Trégouët, D.-A., Hao, K., Topol, E. J., Schadt, E. E., Yang, X., Samani, N. J., Björkegren, J. L. M., Erdmann, J., Schunkert, H., Lusis, A. J., Leducq Consortium CAD Genomics‡, 2015. "Prediction of Causal Candidate Genes in Coronary Artery Disease Loci." Arterioscler. Thromb. Vasc. Biol. 35, 2207–2217.

Semināri un konferences

Gaidāmie
  • 2020, rudens semestrī, RSU Doktorantūras skolas seminārs. Angl. Mastering your Data - from Exploration to Visualization
    Sergio Uribe, RSU viesdocents, zobu ķirurgs, MSc augšžokļa radioloģijā, medicīnas zinātņu doktors
  • 2020, 4. novembrī, RSU Zinātnieku brokastis. Angl. Artificial Intelligence for Medical Imaging: Part I: AI for Medical Imaging: A Brief Review of Clinical Evidence
    Sergio Uribe, RSU viesdocents, zobu ķirurgs, MSc augšžokļa radioloģijā, medicīnas zinātņu doktors
  • 2020, 4. novembrī, RSU Zinātnieku brokastis. Angl. Artificial Intelligence for Medical Imaging: Part II: AI Workflow for Medical Imaging Diagnosis: 7 steps from acquisition to prediction
    Sergio Uribe, RSU viesdocents, zobu ķirurgs, MSc augšžokļa radioloģijā, medicīnas zinātņu doktors
Pagājušie
  • 2020, 3. jūnijā, RSU Zinātnieku brokastis. Angl. The Role of Bioinformatics in Multi-OMICS-based Precision Medicine
    Dr. Baiba Vilne, Bioinformātikas pētniecības grupas vadītāja
  • 2020, 3. Jūnijā, RSU Zinātnieku brokastis. Angl. The Challenges of Medical Imaging Data Analyses for Precision Medicine
    Sergio Uribe, RSU viesdocents, zobu ķirurgs, MSc augšžokļa radioloģijā, medicīnas zinātņu doktors