Vorhersage von Biomarkern anhand genomischer Sequenzierungsdaten

Projekttitel: Vorhersage von Biomarkern anhand genomischer Sequenzierungsdaten

Projektdauer: 01.08.2023 – 31.07.2027

Forschungsbereich: Bioinformatik

Unser interdisziplinäres Projekt umfasst verschiedene Konzepte der Systembiologie, Bioinformatik und Datenwissenschaft, in denen wir unterschiedliche Omics-Datenebenen (z. B. DNA, RNA) integrieren. Insbesondere untersuchen wir verschiedene Aspekte auf molekularer Ebene, wie beispielsweise die Reaktion von Krebszellen auf ionisierende Strahlung (IR) oder die Rolle des Immunsystems bei der Herzregeneration, um nur einige zu nennen. Auf diese Weise analysieren wir heterogene Daten (z. B. DNA-Seq und RNA-Seq) aus Datenbanken wie TCGA und GEO sowie Daten von experimentellen Partnern, um die Auswirkungen verschiedener molekularer Profile zu verstehen und so personalisiertere Behandlungsstrategien zu entwickeln.

Problemstellung und Ziele

Verschiedene KI-Ansätze werden umfangreiche Genomdaten analysieren, um wichtige molekulare Signalwege zu identifizieren. Diese werden durch verschiedene Behandlungen wie Strahlentherapie oder Stammzelltransplantation beeinflusst. Dabei sollen Muster bei genetischen oder regulatorischen Veränderungen erkannt und die Wirksamkeit der Strahlentherapie auf der Grundlage spezifischer Tumorprofile vorhergesagt werden. Durch die Einbindung von KI in diese Forschung kann das Projekt präzisere und umfassendere Erkenntnisse über personalisierte Strategien zur Krebsbehandlung gewinnen.

Technologie

Im Rahmen dieses Projekts werden aktuelle Sequenzierungstechnologien mit Ansätzen der Systembiologie und prädiktiven KI-Ansätzen kombiniert, wie beispielsweise KI-gestützte Vorhersagen auf Basis von Diffusionsnetzwerken und Topologie-Netzwerk-Vorhersagen, die für das Verständnis komplexer zellulärer Reaktionen von entscheidender Bedeutung sein könnten.

Ausblick

Unsere Arbeit ist in das vom BMBF geförderte Projekt OLCIR eingebettet. In dessen Rahmen werden wir zur eingehenderen Erforschung der molekulargenetischen Mechanismen von Lungenkrebszellen beitragen und die aktuellen Möglichkeiten der künstlichen Intelligenz zur Vorhersage etablierter und neuartiger diagnostischer Marker analysieren, um so personalisiertere Therapien zu ermöglichen.

Publikationen

• Limitations in next-generation sequencing-based genotyping of breast cancer polygenic risk score loci. Alexandra Baumann, Christian Ruckert, Christoph Meier, Tim Hutschenreiter, Robert Remy et al. (Pre-print 2023) https://www.medrxiv.org/content/10.1101/2023.12.15.23298835v1
• NaviCenta – The disease map for placental research. Julia Scheel, Matti Hoch, Markus Wolfien, Shailendra Gupta (Placenta 2023)https://doi.org/10.1016/j.placenta.2023.09.007
• CCR2 macrophage response determines the functional outcome following cardiomyocyte transplantation. Praveen Vasudevan, Markus Wolfien, Heiko Lemcke, Cajetan Immanuel Lang, Anna Skorska, Ralf Gaebel, Anne-Marie Galow, Dirk Koczan, Tobias Lindner, Wendy Bergmann, Brigitte Mueller-Hilke, Brigitte Vollmar, Bernd Joachim Krause, Olaf Wolkenhauer, Gustav Steinhoff, Robert David (Genome Medicine 2023)https://genomemedicine.biomedcentral.com/articles/10.1186/s13073-023-01213-3
• In silico investigation of molecular networks linking gastrointestinal diseases, malnutrition, and sarcopenia. Matti Hoch, Luise Ehlers, Karen Bannert, Christina Stanke, David Brauer, Vanessa Caton, Georg Lamprecht, Olaf Wolkenhauer, Robert Jaster, Markus Wolfien (Frontiers in Nutrition 2022) https://doi.org/10.3389/fnut.2022.989453

Team

Teamleitung

• Dr. Markus Wolfien

Teammitglieder

• Alexandra Baumann

Partner

• Universität Rostock, Fakultät für Biologie und Bioinformatik