Verbund

SASKit - Seneszenz-assoziiertes System-Diagnosekit für Krebs und Schlaganfall

Mit dem Älterwerden treten Mehrfacherkrankungen (Multimorbiditäten) häufiger auf. Die gemeinsam auftretenden Erkrankungen bestehen nicht unabhängig voneinander; vielmehr greifen Krankheitsfolgen und damit verbundene Funktionseinschränkungen ineinander. Ein wesentlicher Treiber der Multimorbidität ist die Alterung auf Zellebene, die zelluläre Seneszenz. Jedoch sind die systemisch-molekularen Zusammenhänge bislang nicht ausreichend untersucht, um die komplexen Wechselwirkungen der Erkrankungen zu verstehen und bei der Behandlung zu berücksichtigen.

Ziel der Fördermaßnahme „Systemmedizinische Forschungsverbünde“ ist eine systemorientierte Herangehensweisen anzuwenden, um komplexe physiologische und pathologische Prozesse in ihrer Gesamtheit zu verstehen. Dadurch werden Grundlagen geschaffen für die Entwicklung innovativer Verfahren für Diagnostik, Therapie und Prävention von Krankheiten.

Der Forschungsverbund SASKit erforscht systemisch-molekulare Zusammenhänge zwischen zwei gesundheitsökonomisch bedeutsamen Krankheitsbildern: Bauchspeicheldrüsenkrebs und ischämischem Schlaganfall/Thromboembolie. Krebserkrankungen und Schlaganfälle zählen zu den häufig auftretenden Erkrankungen bei multimorbiden Patienten. Die Kliniker führen für die jeweilige Erkrankung geeignete Standarduntersuchungen und Charakterisierungen der Patienten durch und nehmen Blutproben zur Messung der Seneszenzmarker, der gesamten Transkriptomik und der Proteomik. An passenden Mausmodellen werden ebenfalls Blutproben und zusätzlich Gewebeproben genommen. Die Daten werden bioinformatisch analysiert wobei die Forschenden einen iterativen Zyklus zwischen Labor/Klinik und Bioinformatik anwenden. Durch Systemmodellierung und Bioinformatik soll aus molekularen Daten und anderen Labordaten ein Biomarker+Software-Werkzeug entwickelt werden, das die Messung und Interpretation von Merkmalen der zellulären Seneszenz ermöglicht. Dieses Werkzeug soll für eine präzise und frühzeitige Diagnose, Prognose und letztendlich Therapie von Bauchspeicheldrüsenkrebs und Schlaganfall genutzt werden. Darüber hinaus sind die Ergebnisse auch für weitere Bereiche der Onkologie und Gerinnungserkrankungen nützlich.

Teilprojekte

Bioinformatik, Tiermodell und Klinik

Förderkennzeichen: 01ZX1903A
Gesamte Fördersumme: 2.097.431 EUR
Förderzeitraum: 2019 - 2022
Projektleitung: Prof. Dr. Georg Fuellen
Adresse: Universitätsmedizin Rostock, Institut für Biostatistik und Informatik in Medizin und Alternsforschung
Ernst-Heydemann-Str. 8
18057 Rostock

Bioinformatik, Tiermodell und Klinik

Mit dem Älterwerden kommt es zur Zellalterung und zu Mehrfacherkrankungen. Zelluläre Seneszenz ist ein wesentlicher Treiber eines Netzwerks von Krankheiten, einschließlich Krebs und Schlaganfall. In dem Projekt SASKit werden Systemmodellierung und Bioinformatik genutzt, um aus molekularen Daten und anderen Labordaten ein Biomarker+Software-Werkzeug zu entwickeln, dessen Schwerpunkt auf der Messung und Interpretation von seneszenzabhängigen Signaturen liegt, für eine präzise (und frühzeitige) Diagnose, Prognose und letztendlich Therapie von Bauchspeicheldrüsenkrebs und ischämischem Schlaganfall / Thromboembolie. Wir bauen auf Veröffentlichungen auf, in denen beschrieben wird, wie die zelluläre Seneszenz und die mit der Seneszenz assoziierte Sekretion inflammatorischer Substanzen direkt an der Komorbidität von Bauchspeicheldrüsenkrebs, ischämischem Schlaganfall und allgemeiner an Krebs- und Gerinnungsproblemen beteiligt sind. In dem Projekt werden humane Beobachtungsstudien für Bauchspeicheldrüsenkrebs und ischämischen Schlaganfall durchgeführt, wobei insbesondere Seneszenzmarker gemessen werden, um Poweranalysen für die begleitende Diagnostik in größeren Interventionsstudien vorzubereiten, beispielsweise von patientenspezifischen "Senolytika" (zur Tötung seneszenter Zellen) mit Naturstoffen wie Quercetin. Für die Bauchspeicheldrüse werden Co-Kultur-Studien von Krebszellen und Sternzellen sowie ein Mausmodell verwendet. Für Schlaganfall werden Gehirnschnitte und die Erholung nach Schlaganfall bei der Maus untersucht. Die Bioinformatik schliesslich dient der Suche nach den optimalen Biomarkern durch maschinelles Lernen.

Biomarker Analysen

Förderkennzeichen: 01ZX1903B
Gesamte Fördersumme: 295.637 EUR
Förderzeitraum: 2019 - 2022
Projektleitung: Prof. Dr. Olaf Wolkenhauer
Adresse: Universität Rostock, Fakultät für Informatik und Elektrotechnik, Institut für Informatik, Lehrstuhl für Systembiologie und Bioinformatik
Ulmenstr. 69
18057 Rostock

Biomarker Analysen

Mit dem Älterwerden kommt es zur Zellalterung und zu Mehrfacherkrankungen. Zelluläre Seneszenz ist ein wesentlicher Treiber eines Netzwerks von Krankheiten, einschließlich Krebs und Schlaganfall. In dem Projekt SASKit werden Systemmodellierung und Bioinformatik genutzt, um aus molekularen Daten und anderen Labordaten ein Biomarker + Software-Werkzeug zu entwickeln, dessen Schwerpunkt auf der Messung und Interpretation von seneszenzabhängigen Signaturen liegt, für eine präzise (und frühzeitige) Diagnose, Prognose und letztendlich Therapie von Bauchspeicheldrüsenkrebs und ischämischem Schlaganfall / Thromboembolie. Die Basis sind Veröffentlichungen, in denen beschrieben wird, wie die zelluläre Seneszenz und die mit der Seneszenz assoziierte Sekretion inflammatorischer Substanzen direkt an der Komorbidität von Bauchspeicheldrüsenkrebs, ischämischem Schlaganfall und allgemeiner an Krebs- und Gerinnungsproblemen beteiligt sind. Aus Omics- und anderen Labordaten soll ein Biomarker + Software-Kit entwickelt werden, dessen Schwerpunkt auf der Messung und Interpretation von seneszenzabhängigen Signaturen liegt, für eine präzise (und frühzeitige) Diagnose, Prognose und letztendlich Therapie von Bauchspeicheldrüsenkrebs und ischämischem Schlaganfall / Thromboembolie. Das Vorhaben erforscht systemisch-molekulare Zusammenhänge zwischen zwei verschiedenen gesundheitsökonomisch bedeutsamen Krankheitsbildern, um gemeinsame Krankheitsmechanismen und Signalwege zu identifizieren und zu beschreiben. Dazu wird insbesondere Komorbidität betrachtet. Die Bioinformatik dient der Suche nach den optimalen Biomarkern durch maschinelles Lernen.