Computational Pharmacology

Vi bruker teoretiske modeller i tett samarbeid med forskere som jobber eksperimentelt og klinisk for å utforske hvordan vi kan bruke strategier i medisinsk behandling både hos vert og på tvers av populasjoner for å minimere sykelighet og dødelighet hos mennesker. Vi fokuserer på bakterielle infeksjonssykdommer, spesielt tuberkulose. Gruppen vår består av forskere med bakgrunn fra teoretisk biologi, biokjemi, fysikk, statistikk, engineering, helseøkonomi og helsepolicy.

Vi fokuserer på tuberkulose, som er og blir den bakterielle infeksjonen med høyest sykdomsbyrde på verdensbasis. Omtrent en tredel av verdens befolkning er latente smittebærere. Selv om medikamenter mot tuberkulose har vært tilgjengelige i mange tiår, er suksessraten ved tuberkulosebehandling lav. Andelen vellykkede behandlinger i EU sett under ett er kun på 74 %, og selv i land med svært høy inntekt (som f.eks. Norge eller Sveits) når ikke suksessraten høyere enn rundt 85 %. Dette er en klar indikasjon på at det er rom for forbedring. Videre har fremkomsten og spredningen av legemiddelresistente former for tuberkulose komplisert innsatsen for å kontrollere spredningen av sykdommen ved standardiserte behandlingsregimer. Når tuberkulose blir resistent mot legemidler brukt i førstelinjebehandling (multiresistente bakterier) eller til og med andrelinjebehandling (ekstensivt resistente bakterier), faller behandlingsuksessratene til henholdsvis 40 % og 34 %.

En del av problemet er at vi sliter med å finne nye antibiotika, delvis fordi utviklingen av nye antibiotika er svært kostbar og tidkrevende. I den første fasen av antibiotikautvikling blir tusenvis av medikamentkandidater testet. I hvert utviklingstrinn som følger, fra eksperimenter i reagensrør til eksperimenter på dyr og flere faser med kliniske studier, vil de fleste av disse kandidatene ikke nå̊ opp, slik at man ender opp med kun 1-2 medikamenter som kan brukes på̊ pasienter. Vi ønsker å finne metoder for å redusere andelen av legemiddelkandidater som mislykkes og dermed bidra til å spare tid og penger.

Vi har utviklet matematiske modeller som kan bidra til å redusere prøving og feiling i antibiotika-utvikling. Sammen med partnere fra legemiddelindustrien (GlaxoSmithKline) og et internasjonalt nettverk av universitetsbaserte forskere (Yale, Harvard, Simon-Fraser University, Division of Clinical Infectious Diseases Research Center Borstel, Task Foundation and University of Cape Town), vil vi bruke disse modellene til å forbedre terapi med bruk av antibiotika.

Forskningsinteresser:

Antibiotika, populasjonsbiologi, biokjemi, farmakologi, tuberkulose, infeksjonssykdommer, folkehelse, matematisk modellering.