Ska Tyska och Engelska forskare leder enSned boll studie in i rollen av genetik och miljön i utvecklingsastman.
Föregående utredningar har den stupade kort stavelse av att bevisa orsaka-att verkställa tack vare komplexiteten av människagenetik och varierande livsstilar. Men denbetalade GABRIEL studien har slagit samman det mycket bäst i sätta in från all över Europa och kan dra på de senaste genomic och miljö- datan och att närma sig.
Den Imperialistiska Högskolan London och den Munich Universitetar leder en utredning €11 miljon in i hur genetik och miljöpåverkan utvecklingen av astma i Europa. Den Sjätte Programmera-Betalade Ramen projekterar GABRIEL gäller över 150 forskare från 14 Européländer, genom att använda den senaste forskningen över en variation av discipliner, inklusive genetik, epidemiology, och immunologi, att identifiera nyckel- dela upp i faktorer i utvecklingen av astma.
Astma är den kroniska barndomsjukan för ha som huvudämne i Europa som kostar över miljarden €3 om året. Även Om effektiva terapier av mild astma finns, redogör 10%na av barn med stränga fall för 60% av detta uppta som omkostnad. Även om behandling är effektiv, är det inte kompetent att kurera sjukdomen, något att säga forskarna.
Astma är tack vare en kombination av genetiskt, och miljö- verkställer. Den kör starkt i familjer. Det var sällsynta hundra år sedan, men är mer och mer vanligt i framkallade samhällen över världen. Under Tiden och att bo i en lantlig miljö tros för att skydda mot sjukdomen.
”Är hoppet att vi i GABRIEL ska är kompetent att identifiera båda riskerar och skyddande dela upp i faktorer, med det långsiktiga syftet av att förhindra sjukan,” den noterade ProfessorRäkningen Cookson av den Imperialistiska Högskolan London, koordinatorn av studien.
Hans co-ledare som Professor Erika von Mutius av den Munich Universitetar förklarade att, traditionellt, det, har varit hård att analysera alla genetisk och miljö- information. ”Bara de senaste utvecklingarna i områden, liksom genomics och bioinformatics, låter nu oss göra avkänning av enorma och invecklade datasets.”,