Advanced Imaging of Metabolism to Aid Prognostics of Antibody-Mediated Rejection

Doel

Het blootleggen van metabole veranderingen specifiek voor vasculaire schade en ABMR (antilichaam-gemedieerde afstoting) met behulp van moleculaire microscopie en vervolgens bepalen of deze moleculen prognostische waarde hebben voor progressie van ABMR of behandelrespons.

Samenvatting

Junior Talent grant. Antilichaam-gemedieerde afstoting (ABMR) is de voornaamste oorzaak van transplantaatverlies. Ontstekingen in de haarvaten van de nier zorgen voor progressieve vasculaire schade die op lange termijn leidt tot transplantaatverlies. ABMR wordt gediagnosticeerd door het meten van donor- specifieke alloantilichamen (DSAs) en stijging van creatinine en proteïnurie in bloed en de analyse van biopten met behulp van lichtmicroscopie. Een kritiek punt van ABMR-diagnose (Banff consensus criteria) is dat de criteria te weinig rekening houden met prognose en behandelresponsen. Monitoring van (subklinische) DSAs en/of protocolbiopten worden derhalve niet verricht vanwege gebrek aan prognostische of therapeutische consequenties. Hierdoor wordt chronische schade vaak te laat geconstateerd, is het nut van behandeling twijfelachtig en kan het transplantaat effectief als verloren worden beschouwd. Hypothese: de ontstekingen en vasculaire schade in de getransplanteerde nier worden voorafgegaan door metabole veranderingen die niet met een lichtmicroscoop waar te nemen zijn en bepalend zijn voor prognose en behandelrespons. Metabole veranderingen in een cel zorgen voor een verandering van de samenstelling van het celmembraan. Om de metabole veranderingen te detecteren wordt gebruikgemaakt van een moleculaire microscoop (beeldvormende massaspectrometrie, MSI), die het mogelijk maakt om in post-transplantatie biopten metabole profielen van immuun- en endotheelcellen in de bloedvaten te maken. Door dit te doen op biopten van patiënten met verschillende vormen van vasculaire ontsteking en ABMR kunnen specifieke voorspellende factoren voor uitkomst en behandelrespons worden gevonden. De biopten uit de LUMC TRAX databank en de biobank van K.U. Leuven zullen worden opgedeeld in 3 cohorten: - Casus-controle: 2 groepen patiënten met i) actieve ABMR, ii) chronisch-actieve ABMR, en 2 controlegroepen iii) zonder vaatschade, en iv) met vaatschade bedoeld om moleculen te vinden die specifiek zijn voor chronisch-actieve ABMR. - Ontdekking: biopten van patiënten tijdens verschillende stadia van vasculaire ontsteking en ABMR wat zal resulteren in prognostische moleculen voor de progressie van de ontsteking en respons op behandeling. - Validatie: protocollaire vervolg biopten van patiënten met vasculaire ontstekingen en ABMR waarin de prognostische moleculen worden gevalideerd. Tenslotte kunnen uit deze data mogelijk de celbiologische oorzaken van de specifieke moleculaire veranderingen achterhaald worden wat op lange termijn kan resulteren in het ontwikkelen van nieuwe therapieën.

Trefwoorden

identificatie, biobank, menselijke materiaal, nierbiopten, transplantatie, transplantaatverlies, antilichaam-gemedieerde afstoting (ABMR), vasculaire ontsteking

Soortgelijke projecten

Towards the best eGFR equation for individualized prediction and treatment

Junior Talent Grant. De nierfunctie is een meting van hoe goed de nieren werken. Op basis hiervan worden belangrijke beslissingen genomen, bijvoorbeeld wanneer iemand wordt doorverwezen naar de nefroloog, welke medicijnen worden gebruikt, en wanneer gestart wordt met dialyse. De nierfunctie kan technisch goed worden gemeten maar dat is belastend voor patiënten en erg duur. In de praktijk wordt de nierfunctie daarom meestal geschat (eGFR) met een rekenformule, waarvan verschillende versies bestaan. Meestal wordt de ‘CKD-EPI2009’ rekenformule gebruikt, ontwikkeld in Amerika. Deze gebruikt leeftijd, geslacht, creatininewaarde en afkomst (wel/niet Afro-Amerikaans). In Europa wordt de laatste variabele van de formule niet ingevuld. Recent is in Amerika ophef ontstaan over het gebruik van afkomst naar aanleiding van Black-Lives-Matter. Daarom is een nieuwe rekenformule ontwikkeld (‘CKD-EPI2021’). Amerikaanse ziekenhuizen zijn direct overgestapt op deze nieuwe rekenformule. In Nederland en Europa rijst de vraag welke rekenformule gebruikt moet worden. Zo zijn er rekenformules die speciaal ontwikkeld zijn voor Europeanen. Ook is onduidelijk of de creatinine-waarden vervangen moeten worden door cystatine C-waarden, die preciezer maar duurder zijn. Het veranderen van rekenformule kan grote gevolgen hebben. Zo laten de eerste voorlopige resultaten zien dat de nieuwe ‘CKD-EPI2021’ rekenformule een minder ernstig stadium geeft aan ruim 1 op de 3 nierpatiënten, zonder dat duidelijk is of dit leidt tot de beste zorg voor nierpatiënten. De onderzoekers werken vanuit het LUMC samen met een internationale groep van nefrologen en wetenschappers uit Europa (o.a. het Karolinska Instituut) en de Verenigde Staten (o.a. Harvard University en Johns Hopkins). Er worden bijvoorbeeld onderzoekers bij de studie betrokken die de rekenformules hebben ontwikkeld. Het Karolinska Instituut geeft de onderzoekers toegang tot ’s werelds grootste dataset met de bloedwaarde cystatine C. Zo kan onderzocht worden of rekenformules op basis van cystatine C leiden tot betere zorg dan rekenformules op basis van creatinine. Vragen/Doelstellingen 1. Hoeveel verschilt de geschatte nierfunctie tussen de verschillende rekenformules, en wat voor invloed heeft dit op het in aanmerking komen voor effectieve medicijnen die dialyse en hart- en vaatziekten kunnen voorkómen? 2. Hoe precies is de geschatte nierfunctie op basis van iedere rekenformule ten opzichte van de gemeten nierfunctie? 3. De nierfunctie wordt vaak gebruikt in voorspelmodellen, die inschatten hoe het in de toekomst met een patiënt zal gaan. De onderzoekers willen daarom bekijken hoe goed elke rekenformule dit soort uitkomsten kan voorspellen. 4. Welke rekenformule leidt uiteindelijk tot de beste uitkomsten voor de patiënt?

Untangling mechanisms and therapeutic targets in kidney allograft fibrotic disease

Senior Talent grant. Niertransplantaatfalen op de lange termijn is een van de belangrijkste onopgeloste problemen bij niertransplantatie, met als gevolg dat transplantatiepatiënten gemiddeld na 10 tot 15 jaar opnieuw een transplantaat nodig hebben. Nierfibrose (littekenvorming in de nier) is het eindresultaat van vrijwel alle vormen van chronische schade aan de nieren. Nierfibrose is aanwezig in ongeveer 40% van de niertransplantaten op 3 tot 6 maanden na transplantatie en in meer dan 60% op 2 jaar na transplantatie. De hypothese van dit onderzoek is dat fibrose in niertransplantaten de belangrijkste oorzaak is van lange termijn transplantaatfalen is. Het aanpakken van fibrose in het niertransplantaat is daarom een veelbelovende strategie om de langetermijnoverleving van het niertransplantaat te verbeteren. In dit voorgestelde project wordt een reeks experimenten uitgevoerd om de processen van fibrose in niertransplantaten te ontrafelen. Doelstellingen Doel 1: Het in kaart brengen van niertransplantaatfibrose door middel van single cell genomics om nieuwe therapeutische doelwitten te identificeren. Met innovatieve technieken worden genen geïdentificeerd die betrokken zijn bij de ontwikkeling van fibrose. Deze technieken maken het mogelijk om op single celniveau analyses uit te voeren. De technieken worden toegepast op biopten van transplantaten met verschillende gradaties van fibrose, afgenomen binnen 2 jaar na niertransplantatie. Deze worden vergeleken met nierbiopten zonder schade. De geïdentificeerde genetische processen zullen worden gevalideerd in een groot cohort van transplantatiebiopten. Doel 2: Een organoi¨denplatform ontwikkelen met de belangrijkste kenmerken van transplantatiefibrose. Nieren kunnen buiten het lichaam niet in leven gehouden worden in het lab. Daarom worden vanuit stamcellen geproduceerde mini-nieren gebruikt, zogenaamde nierorganoïden. Doel 3: Validatie van therapeutische doelen in organoïde transplantatiemodellen. Fibrotische en niet-fibrotische organoïden worden onder de huid geïmplanteerd in muizen zonder immuunsysteem en vervolgens worden menselijke immuuncellen toegediend. Na 2 maanden worden de organoïden verwijderd. Hiermee wordt humane nierfibrose bestudeerd in een transplantatiesetting met een menselijk immuunsysteem. Daarna volgen interventiestudies met behulp van hierboven geïdentificeerde genetische aanpassingen of werkzame stoffen.

DIAGGRAFT: leveraging artificial intelligence technology for accurate quantitative histological diagnostic assessment of transplant renal biopsies

Success accelerator grant. Afstoting vormt een belangrijk probleem voor patiënten met een donornier. Vroegtijdige vaststelling van een mogelijke afstoting is essentieel, en de meest betrouwbare methode om dit te doen is via een nierbiopsie. Bij een nierbiopsie wordt er met een naald een klein stukje nierweefsel ter grootte van een halve lucifer weggehaald voor onderzoek. Dit stukje weefsel (biopt) wordt beoordeeld onder de microscoop door een patholoog, aan de hand van de Banff-classificatie: een internationaal scoringssysteem waarbij een aantal items wordt beoordeeld, zoals de mate van verlittekening van de nier en het beoordelen van de aanwezigheid, locatie en hoeveelheid ontstekingscellen. Het Banff classificatie-systeem is echter niet goed reproduceerbaar en kan, in zijn huidige vorm, niet goed voorspellen of er op lange termijn risico is op afstoting van de donornier. De patholoog bepaalt ook welk type afstoting er plaatsvindt. Dit is belangrijke informatie bij het kiezen van de juiste behandeling, waarmee de kans wordt vergroot om de donornier te kunnen behouden. De onderzoekers willen in DIAGGRAFT door het gebruik van kunstmatige intelligentie (AI) de beoordeling van nierbiopten verbeteren. Het doel van DIAGGRAFT is om een computeralgoritme te ontwikkelen dat meerdere items van de Banff-classificatie nauwkeurig en reproduceerbaar automatisch kan beoordelen, zodat de zorg voor transplantatiepatiënten kan worden verbeterd. DIAGGRAFT bestaat uit 3 deelprojecten. Omdat we computersoftware willen ontwikkelen die een biopt betrouwbaar kan analyseren, onafhankelijk van in welk ziekenhuis, land of zelfs werelddeel het biopt verkregen of bewerkt werd, zullen we in fase één 100 nierbiopten van Radboudumc laten bewerken en digitaliseren in ziekenhuizen in verschillende landen. Deze biopten worden vervolgens in Radboudumc nog extra bewerkt, om betrouwbaar de aanwezige ontstekingscellen te kunnen herkennen. De digitale beelden met de door de computer herkende ontstekingscellen dienen als voorbeeld om vervolgens het computeralgoritme in fase 2 te ontwikkelen. In fase 2 vindt de ontwikkeling van het computeralgoritme plaats. We maken hierbij gebruik van ‘crowdsourcing’, een model van ontwikkeling van kunstmatige intelligentie dat in het verleden uitstekende resultaten heeft opgeleverd. In een zogenaamde ‘grand challenge’ worden onderzoekers wereldwijd uitgedaagd om met een goede oplossing te komen voor ons probleem; Met deze opzet wordt er op grote schaal, met meerdere AI-experts, toegewerkt naar de ontwikkeling van het best functionerende computeralgoritme. De voorbeelden uit fase 1 worden beschikbaar gesteld op een website (grand-challenge.org). Zij kunnen met behulp van deze data een algoritme op basis van kunstmatige intelligentie trainen, dat ontstekingscellen in nierbiopten kan herkennen. In fase 3 zal het computeralgoritme uit fase 2 getoetst worden. Hierbij worden 300 nierbiopten, afkomstig uit 6 ziekenhuizen, beoordeeld door meerdere internationale pathologen. Biopten worden e´e´n keer met, en e´e´n keer zonder hulp van het computermodel beoordeeld door de pathologen. De resultaten worden vergeleken om te kijken of de beoordeling verbetert met behulp van het ontwikkelde computeralgoritme. Doelstellingen: 1. Ontwikkelen van een computeralgoritme dat meerdere items van de Banff-classificatie nauwkeurig en reproduceerbaar kan beoordelen. 2. Valideren van het computeralgoritme op een ruime hoeveelheid nierbiopten afkomstig uit internationale ziekenhuizen. 3. Evalueren van de prognostische waarde van meerdere items van de Banff-classificatie aan de hand van de beoordeling middels het computeralgoritme.

Bekijk alle projecten