MultiomIcs based Risk stratification of Atherosclerotic CardiovascuLar disEase
Atherosclerotic cardiovascular disease (ASCVD) is the leading cause of mortality worldwide. Aside from asymptomatic manifestations, the first sign of clinically significant ASCVD is often a severe clinical event, such as stroke or...
Atherosclerotic cardiovascular disease (ASCVD) is the leading cause of mortality worldwide. Aside from asymptomatic manifestations, the first sign of clinically significant ASCVD is often a severe clinical event, such as stroke or myocardial infarction (MI). Thus, identifying individuals at high risk is crucial in preventing the fatal consequences of ASCVD. Current risk prediction models based on traditional risk factors, such as SCORE2, have limitations since they do not encompass all mechanisms and intermediary phenotypes leading to ASCVD. Particularly, current risk models fail to consider the disturbance of gene regulatory networks (GRNs) caused by genetic risk factors and diverse longitudinal exposures accumulating during a person's lifetime.Furthermore, the current models predict the combined risk of CAD, PAD and ischemic stroke despite mounting evidence of the heterogeneity of the underlying disease mechanisms. To capture the missing aspects of current ASCVD risk scores, MIRACLE project brings together unique data resources and expertise to provide novel multiomics based prediction models of ASCVD. We aim to (1) Integrate the globally largest CAD, PAD, and stroke GWAS information to identify genetic loci that differ between or are shared by these diseases and their subtypes, (2) Identify sex-specific subtypes of ASCVD patients using transcriptomic phenotyping of plaques and circulating biomarkers, (3) Generate functionally informed polygenic risk scores by combining experimental fine-mapping and gene prioritization approaches with integrative GRN and deep learning modelling. (4) Derive novel risk prediction models incorporating polygenic risk and circulating biomarkers. Providing a new gold standard for prediction models to accurately risk stratify stroke and MI represents a technological breakthrough allowing for earlier diagnoses and treatments of ASCVD.ver más
02-11-2024:
Generación Fotovolt...
Se ha cerrado la línea de ayuda pública: Subvenciones destinadas al fomento de la generación fotovoltaica en espacios antropizados en Canarias, 2024
01-11-2024:
ENESA
En las últimas 48 horas el Organismo ENESA ha otorgado 6 concesiones
01-11-2024:
FEGA
En las últimas 48 horas el Organismo FEGA ha otorgado 1667 concesiones
Seleccionando "Aceptar todas las cookies" acepta el uso de cookies para ayudarnos a brindarle una mejor experiencia de usuario y para analizar el uso del sitio web. Al hacer clic en "Ajustar tus preferencias" puede elegir qué cookies permitir. Solo las cookies esenciales son necesarias para el correcto funcionamiento de nuestro sitio web y no se pueden rechazar.
Cookie settings
Nuestro sitio web almacena cuatro tipos de cookies. En cualquier momento puede elegir qué cookies acepta y cuáles rechaza. Puede obtener más información sobre qué son las cookies y qué tipos de cookies almacenamos en nuestra Política de cookies.
Son necesarias por razones técnicas. Sin ellas, este sitio web podría no funcionar correctamente.
Son necesarias para una funcionalidad específica en el sitio web. Sin ellos, algunas características pueden estar deshabilitadas.
Nos permite analizar el uso del sitio web y mejorar la experiencia del visitante.
Nos permite personalizar su experiencia y enviarle contenido y ofertas relevantes, en este sitio web y en otros sitios web.