Ερευνητές από το Πανεπιστήμιο Τεχνολογίας της Δρέσδης, σε συνεργασία με το Πανεπιστήμιο της Βιέννης, το Τεχνικό Πανεπιστήμιο του Μονάχου και το Πανεπιστήμιο της Χαϊδελβέργης, ανέπτυξαν το LipidLibrarian, ένα νέο εργαλείο ανοικτού κώδικα που απλοποιεί σημαντικά την έρευνα γύρω από τα λιπίδια.
Η πλατφόρμα συγκεντρώνει αυτόματα δεδομένα από διαφορετικές διεθνείς βάσεις, όπως οι LIPID MAPS, SwissLipids και ALEX123, παρουσιάζοντάς τα σε ένα ενιαίο και εύχρηστο περιβάλλον.
Ένα κοινό σημείο για διάσπαρτα δεδομένα
Τα λιπίδια, γνωστά ευρύτερα ως λίπη, είναι απαραίτητα μόρια για τον ανθρώπινο οργανισμό. Συμμετέχουν στην αποθήκευση ενέργειας, στη λειτουργία του εγκεφάλου και σε πολλές άλλες βιολογικές διαδικασίες, ενώ συνδέονται με ασθένειες όπως ο διαβήτης, οι νευρολογικές διαταραχές και τα καρδιαγγειακά νοσήματα.
Μέχρι σήμερα, η αναζήτηση πληροφοριών για ένα συγκεκριμένο λιπίδιο απαιτούσε συχνά τη χρήση πολλών διαφορετικών βάσεων δεδομένων. Το πρόβλημα γινόταν ακόμη μεγαλύτερο επειδή το ίδιο μόριο μπορεί να καταγράφεται με διαφορετική ονομασία ή κωδικό σε κάθε βάση.
Το LipidLibrarian ενοποιεί αυτές τις πληροφορίες και επιτρέπει στους ερευνητές να αναζητούν ένα λιπίδιο με βάση το όνομα, τον επιστημονικό κωδικό ή τη μοριακή του μάζα.
Ταχύτερη έρευνα και καλύτερη αξιοποίηση των δεδομένων
Το εργαλείο συγκεντρώνει πληροφορίες σχετικά με τις ιδιότητες και τις λειτουργίες των λιπιδίων, ενώ παράλληλα διατηρεί τις αναφορές στις αρχικές πηγές. Έτσι, οι ερευνητές μπορούν να ελέγχουν την προέλευση των δεδομένων και να επαναλαμβάνουν ευκολότερα τις αναλύσεις τους.
Η πλατφόρμα χρησιμοποιείται ήδη στο Πανεπιστημιακό Νοσοκομείο της Δρέσδης για αναλύσεις λιπιδίων μεγάλης κλίμακας. Η τεχνολογία μπορεί να βοηθήσει ιδιαίτερα σε κλινικές μελέτες που εξετάζουν τα λιπίδια ως πιθανούς βιοδείκτες ασθενειών.
Ανοικτός κώδικας για νέες εφαρμογές
Ο πηγαίος κώδικας και τα δεδομένα του LipidLibrarian είναι διαθέσιμα ελεύθερα, επιτρέποντας σε ερευνητικές ομάδες από διαφορετικές χώρες να αξιοποιήσουν και να επεκτείνουν την πλατφόρμα.
Οι δημιουργοί του εκτιμούν ότι η ενοποίηση των δεδομένων θα μπορούσε να επιταχύνει την ανακάλυψη νέων βιοδεικτών, την κατανόηση μηχανισμών ασθενειών και την ανάπτυξη πιο εξατομικευμένων θεραπειών και φαρμάκων.