Patients not responding to therapy as expected is one of the most pressing healthcare concerns of today. It causes economical, medical and societal issues along with suffering for patients. This project aimed to address this problem and evaluate how to find the best suited drug treatments for individual patients to treat Covid-19. This project was carried out in collaboration with the company AB Mavatar, that have two networks, one experimental and one predicted, which produce drug treatment rankings differently. Different methods are used to connect drug targets to disease associated genes and thus evaluate what drugs are best suited for specific patients to treat Covid-19. The aim of this project is to examine how network, method and drug category affect the ranking of a drug treatment for four mapped Covid-19 patients. Which drug category a drug belongs to did not seem to significantly affect the drug ranking. Yet, certain drug subcategories were closely correlated. However, these subcategories were not those that are typically associated with Covid-19. The method used to connect drug targets to disease associated genes heavily impacts the ranking of the drug treatment. The methods should be further evaluated to see if some should be excluded or weighted less in drug ranking calculations. The two networks are similar in how they rank different drugs, especially in severely ill patients. Through this project and the evaluation of the impact of method choice, one can start to figure out what should be prioritized among disease related changes. Also, important parameters for personalized treatment can be evaluated. / Patienter som inte svarar på terapi som förväntat är en av de största utmaningarna inom hälso- och sjukvård idag. Det orsakar ekonomiska, medicinska och samhälleliga problem samt lidande för patienter. Det här projektet adresserade detta problem och evaluerade hur man kan hitta det bäst lämpade läkemedlet för specifika patienter för att behandla Covid-19. Projektet gjordes tillsammans med företaget AB Mavatar, som har två interaktom, en experimentell och en datadriven, som rangordnar läkemedelsrekommendationer på olika sätt. Olika metoder används för att koppla samman läkemedelsmål med sjukdomsrelaterade gener och således evaluera vilka läkemedel som är bäst lämpade för specifika patienter för behandling av Covid-19. Syftet med projektet var att undersöka hur nätverk, metod och läkemedelskategori påverkar hur läkemedel rangordnas för fyra kartlagda Covid-19-patienter. Vilken läkemedelskategori ett läkemedel tillhör tycks inte märkbart påverka läkemedelsrangordning. Trots detta var vissa läkemedelsunderkategorier nära korrelerade. Dock var dessa underkategorier inte typiskt associerade med Covid-19. Metoden för att koppla samman läkemedelsmål med sjukdomsassocierade gener påverkade läkemedelsrangordningen väsentligt. Metoderna borde dock evalueras ytterligare för att eventuellt exkludera eller vikta vissa mindre i uträkningar av läkemedelsrang. De två nätverken är lika i hur de rangordnar olika läkemedel, särskilt för svårt sjuka patienter. Genom detta projekt och genom evaluering av metodvalets påverkan kan man börja begripa hur man borde priorita bland sjukdomsrelaterade förändringar. Dessutom kunde viktiga parametrar inom personlig behandling evalueras.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-329777 |
| Date | January 2023 |
| Creators | Torell, Cornelia |
| Publisher | KTH, Skolan för kemi, bioteknologi och hälsa (CBH) |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-CBH-GRU ; 2023:047 |
Page generated in 0.0034 seconds