Verbund

COVID-19_ProDiag - Eingehende Charakterisierung des Plasma- und Urinproteoms von COVID-19-Patienten zur Vorhersage des Krankheitsverlaufs

Die durch das neuartige SARS-CoV-2 ausgelöste Pandemie stellt das deutsche Gesundheitssystem vor bislang ungekannte Herausforderungen. Es gibt zurzeit keine wirksamen Therapien zur Behandlung der durch SARS-CoV-2 verursachten Lungenkrankheit Covid-19.

Ziel des Verbundprojektes COVID-19_ProDiag ist es, Krankheitsverläufe von Covid-19-Patienten vorhersagen zu können und damit u. a. eine bessere Basis für das Management der knappen Ressourcen in den Gesundheitssystemen während der Corona-Krise zu schaffen. Hierfür werden umfangreiche Biodatenbanken aus Blutplasma- und Urinproben von Patienten mit schwerer und leichter Covid-19-Erkrankung und von Probanden ohne Covid-19-Erkrankung massenspektrometrisch untersucht und ausgewertet. Die hierbei gefundenen Protein-Biomarker sollen Aussagen zu folgenden Aspekten ermöglichen: a) zur Unterscheidung von Patienten mit Covid-19 oder anderen Infektionskrankheiten, b) zu Protein-Biomarkern, die zwischen Patienten mit milden und schweren Verläufen frühzeitig verändert sind, c) zu Hinweisen auf den Ausgang des Krankheitsverlaufs von Intensiv-Patienten. Mit der Verknüpfung von maschinellem Lernen und den umfangreichen proteomischen Daten soll außerdem ein Vorhersagemodell zur Prognose von Krankheitsverläufen entwickelt werden. Darüber hinaus erwartet man aus COVID-19_ProDiag Ergebnisse zur Biologie des Virus SARS-CoV-2.

Der Förderaufruf beruht auf dem Rapid Response Modul der Förderbekanntmachung „Richtlinie zur Förderung eines Nationalen Forschungsnetzes zoonotische Infektionskrankheiten“ vom 29. Januar 2016 und orientiert sich an der Prioritätensetzung der WHO zu Covid-19. Gefördert werden insbesondere die Entwicklung therapeutischer und diagnostischer Ansätze sowie Forschungsarbeiten, die zum Verständnis des Virus und dessen Ausbreitung beitragen.

Teilprojekte

Abgeschlossen

Biobanking und Proteomik

Förderkennzeichen: 01KI20377A
Gesamte Fördersumme: 1.019.563 EUR
Förderzeitraum: 2020 - 2022
Projektleitung: Prof. Dr. Daniel Teupser
Adresse: Klinikum der Universität München, Campus Großhadern, Institut für Laboratoriumsmedizin
Marchioninistr. 15
81377 München

Biobanking und Proteomik

COVID-19 ProDiag vereint Technologien des Biobankings mit Massenspektrometrie-basierender Proteomik und bioinformatischen Methoden um neue Biomarker zu entdecken, die es erlauben den Krankheitsverlauf von Covid-19 Patienten vorherzusagen. Ein etabliertes hochmodernes Biobanking-System wird eingesetzt, um qualitativ gut standardisierte Plasma- und Urinproben in definierten Patientenkohorten zu asservieren. Es sollen Biomarker für drei Hauptziele identifiziert und in Vorhersage-Modellen zur Anwendung gebracht werden. Konkret soll ermöglicht werden 1) Patienten mit Covid-19 von anderen Infektionskrankheiten zu unterscheiden, 2) zwischen Patienten mit milden und schweren Verläufen zu differenzieren und 3) den Ausgang des Krankheitsverlaufs von Intensiv-Patienten vorherzusagen. Die Biomarker und resultierenden prädiktiven Modelle werden in einer zweiten Kohorte validiert. Zur Identifizierung und Validierung der Biomarker wird Massenspektrometrie-basierende Proteomik eingesetzt, mit der in Blutplasma und Urin mehrere hundert Proteine quantifiziert werden. Durch Bestimmung einer entsprechend großen Anzahl von Proteinen in 3.000 Patientenproben werden erhebliche Datenmengen generiert. Zur Auswertung werden bioinformatische Methoden wie Algorithmen der künstlichen Intelligenz eingesetzt um prädiktive Modelle zu erstellen. Diese Modelle könnten es erlauben, den Krankheitsverlauf eines an Covid-19 erkrankten Patienten vorherzusagen. Damit könnten die knappen Ressourcen in der Corona-Krise zielgerichtet den Patienten zukommen, die am meisten davon profitieren würden. Aufgabe dieses Teilvorhabens ist die Erstellung geeigneter Kohorten und die eingehende Charakterisierung des Plasma- und Urinproteoms von Covid-19-Patienten zur Vorhersage des Krankheitsverlaufs.

Abgeschlossen

Qualitätssicherung Proteomik und Bioinformatik

Förderkennzeichen: 01KI20377B
Gesamte Fördersumme: 61.700 EUR
Förderzeitraum: 2020 - 2022
Projektleitung: Dr. Philipp Emanuel Geyer
Adresse: OmicEra Diagnostics GmbH
Am Klopferspitz 19
82152 Planegg

Qualitätssicherung Proteomik und Bioinformatik

COVID-19 ProDiag vereint Technologien des Biobankings mit Massenspektrometrie-basierender Proteomik und bioinformatischen Methoden um neue Biomarker zu entdecken, die es erlauben den Krankheitsverlauf von Covid-19 Patienten vorherzusagen. Ein etabliertes hochmodernes Biobanking-System wird eingesetzt, um qualitativ gut standardisierte Plasma- und Urinproben in definierten Patientenkohorten zu asservieren. Es sollen Biomarker für drei Hauptziele identifiziert und in Vorhersage-Modellen zur Anwendung gebracht werden. Konkret soll ermöglicht werden 1) Patienten mit Covid-19 von anderen Infektionskrankheiten zu unterscheiden, 2) zwischen Patienten mit milden und schweren Verläufen zu differenzieren und 3) den Ausgang des Krankheitsverlaufs von Intensiv-Patienten vorherzusagen. Die Biomarker und resultierenden prädiktiven Modelle werden in einer zweiten Kohorte validiert. Zur Identifizierung und Validierung der Biomarker wird Massenspektrometrie-basierende Proteomik eingesetzt, mit der in Blutplasma und Urin mehrere hundert Proteine quantifiziert werden. Durch Bestimmung einer entsprechend großen Anzahl von Proteinen in 3.000 Patientenproben werden erhebliche Datenmengen generiert. Zur Auswertung werden bioinformatische Methoden wie Algorithmen der künstlichen Intelligenz eingesetzt um prädiktive Modelle zu erstellen. Diese Modelle könnten es erlauben, den Krankheitsverlauf eines an Covid-19 erkrankten Patienten vorherzusagen. Damit könnten die knappen Ressourcen in der Corona-Krise zielgerichtet den Patienten zukommen, die am meisten davon profitieren würden. Ziel dieses Teilvorhabens ist die Charakterisierung des Plasma- und Urinproteoms von Covid-19-Patienten und die Generierung von prädiktiven Modellen zur Vorhersage des Krankheitsverlaufs.