Detailansicht
Data science approaches to understand COVID-19 epidemiology and drug-repurposing possibilities
Danilo Dokic
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Lebenswissenschaften
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Drug Discovery and Development
Betreuer*in
Barbara Zdrazil
DOI
10.25365/thesis.69523
URN
urn:nbn:at:at-ubw:1-11088.63583.289270-4
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Seit dessen Ausbruch im Dezember 2019, sind die Ausbreitung des neuartigen Coronavirus (SARS-CoV-2) und die von ihm verursachte Krankheit nach wie vor das Hauptproblem der Gesundheitssysteme weltweit und verursachen die größte globale Gesundheitskrise in den letzten 80 Jahren. Um unsere Möglichkeiten zur Vorbeugung und Behandlung von COVID-19 zu erkennen und zu verstehen, müssen wir erstens die Merkmale von 2019-nCoV (Genom, Replikation, Struktur usw.), seine Interaktion mit menschlichen Zellen und die Reaktion unseres Organismus auf die Infektion vollkommen begreifen. Ein weiterer wichtiger Aspekt der gegenwärtigen Pandemie ist ihre Epidemiologie und die Wege der Virusübertragung von Mensch zu Mensch. Das Ziel dieser Masterarbeit ist anhand von verschiedenen datenwissenschaftlichen Ansätzen, das Verständnis der COVID-19-Pandemie, ihrer epidemiologischen Trends in verschiedenen Ländern sowie einen Vergleich spezifischer Strategien zur Kontrolle der Ausbreitung der Krankheit zu ermöglichen. Zusätzlich zu den Maßnahmen im Bereich der sozialen und öffentlichen Gesundheit ist die Entwicklung von Mitteln zur Vorbeugung und Therapie von der Krankheit, die SARS-CoV-2 verursachen kann, ein unverzichtbarer Aspekt im Kampf gegen die aktuelle Pandemie. In diesem Zusammenhang, ein weiteres Ziel dieser Arbeit besteht darin, einen Überblick potenzieller COVID-19-Proteinziele und Rezeptoren hinsichtlich ihrer Sequenz- und Strukturähnlichkeit zu schaffen und in weiterer Folge einen Datensatz ihrer Liganden zu erstellen, der das Verständnis der aktuellen Möglichkeiten zur Umnutzung von Arzneimitteln vermitteln soll.
Abstract
(Englisch)
Since the outbreak in December 2019, the spread of novel coronavirus (SARS-CoV-2) and the disease that it causes remain the major problem of healthcare systems worldwide, causing the largest global health crisis in last 80 years. In order to discover and understand our possibilities in prevention and treatment of COVID-19, we need complete comprehension of 2019-nCoV’s features (genome, replication, structure etc.), its interaction with human cells, and the response of our organism to the infection. Another important aspect of this current pandemic is its epidemiology and routes of viral transmission from human to human. The objective of this master’s thesis was to use different data science approaches that will provide understanding of COVID-19 pandemic, its epidemiologic trends in diverse countries and comparison of specific strategies for the control of disease spread. Beside social and public health measures, indispensable aspect in fight against current pandemic is the development of remedies for the prevention and the therapy of the illness that SARS-CoV-2 causes. With regard to this, another aim of this thesis was to create an overview of potential COVID-19 protein targets and receptors in terms of their sequence and structure similarity, and, in the next step to produce a data set of ligands that could provide an understanding of current drug-repurposing possibilities.
Schlagwörter
Schlagwörter
(Englisch)
COVID-19 pandemic epidemiology data science drug repurposing protein targets
Schlagwörter
(Deutsch)
COVID-19 Pandemie Epidemiologie Datenwissenschaft Drug Repurposing Proteinziele
Autor*innen
Danilo Dokic
Haupttitel (Englisch)
Data science approaches to understand COVID-19 epidemiology and drug-repurposing possibilities
Paralleltitel (Deutsch)
Data Science-Ansätze zum Verständnis der COVID-19-Epidemiologie und der Möglichkeiten zur Umnutzung von Arzneimitteln
Publikationsjahr
2021
Umfangsangabe
117 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Barbara Zdrazil
AC Nummer
AC16235769
Utheses ID
58956
Studienkennzahl
UA | 066 | 606 | |