digilog: MOBILE DIAGNOSTIK

Point-of-care als Lab-on-chip: Intergration von Mikropartikeln in einen mikrofluidischen Chip für multiparametrische Tests

Arbeitsziele:

• Ausbau der POCT-Testplattform für Datenerzeugung und patientennahe Datenerfassung
• Integration weiterer Datenimport- und Datenexporttechnologien (RDML, XML, HDF5)
• Integration von Datenstruckturen für Patientenbezogene Daten
• Integration von Technologien für die Automatisierte Auswertung (Machinelles Lernen)

Leitung: Dr. Stefan Rödiger

Verbundvorhaben des Brandenburgischen Gesundheitscampus „Konsequenzen der altersassoziierten Zell- und Organfunktionen“

Analyse von humanen Zellen im Alterungsprozess mit einem Fokus auf DNA-Doppelstrangbrüchen und Angewandter Statistischer Bioinformatik

Angegliedert an Themenfeld 1: Altersabhängigkeit von Gewebe- und Organfunktion, Teilprojekt 1.4: Multiomics – multimodale prädiktive Analyse im Organ Blut

Leitung: Dr. Stefan Rödiger

Forschungsstand

Der Umfang und die Komplexität von gesundheitsbezogenen Daten wächst aufgrund der Digitalisierung rasant und durchläuft diverse Transformationsprozesse. Insbesondere das Volumen an digitalen Bildern, Next Generation Sequencing-Daten und multiparametrischen Datensätzen aus Point-of-Care und high-throughput Platformen wächst täglich mit dem Einzug neuer technischer Lösungen. In unserem Arbeitskreis existierten verschiedene kommerzielle Systeme und eigens entwickelte Multiparameterplatformen. Beispielhaft seien hier Sequencer, Microarrays und unsere VideoScan-Plattform genannt. Die Technologien wurden in zurückliegenden Studien genutzt um Biomarker (Proteine, Gene) und zelluläre Parameter (Muster) mit phänotypischen Paramteren zu verbinden. In der modernen Medizin ist daher wahrscheinlich, dass mit neuen Ansätzen wichtige Fragen zur Autoimmunität und Tumorbildung beantwortet werden können.

Das Methodenspektrum im Labor erzeugt eine Vielzahl von Datenkategorien (nominelle, diskrete, kontinuierliche), die in der Regel zur Klärung einer Teilfrage beitragen können, jedoch bringt die Zusammenführung großer multivariater Datensätze starke Limitationen mit sich. Eines der Grundprobleme von multiparametrischen Hochduschsatzverfahren ist die Produktion von Datenmengen, die mit konventionellen Methoden nicht mehr zu handhaben sind. Allerdings, sind Wissenschaftler damit auch in einer eleganten Position, da man Lösungsansätze finden kann Fragen zu beantworten, die von anderen zuvor nicht in Betracht bezogen worden waren. Das übergeordnete Ziel der Arbeiten ist es, einen strategischen Rahmen für die Früherkennung und Risikobewertung von Autoimmunität und Tumorbildung mittels digitaler Bildverarbeitung und bioinformatische Ansätze abzuleiten. Big Data wird hier zukünftig eine Rolle spielen. Es ist davon auszugehen, dass die Ätiologie und Mechanismen von Erkrankungen anhand dieses Ansatzes definiert werden können und das erworbene Wissen in Kliniken als digitale Biomarker oder biologische Biomarker übertragen werden kann.

Geplante Ergebnisse

Aus Erfahrung wissen wir, dass hohe Mengen an qualitativen und quantitativen Daten anfallen werden. Bei der Datenanalyse wird es daher entscheidend sein, effektive Analysealgorithmen aufzubauen, mit denen wir automatisiert Features aus experimentellen Datensätzen im Kontext von γ-H2AX Foci (Kooperation mit Prof. Markus Deckert, MHB) extrahieren können. Das Histone H2AX wird als Reaktion auf Doppelstrangbrüche am Serin 139 phosporyliert. Diese Form wird als γ-H2AX bezeichnet und kann mittels Immunfluoreszenzfärbung als Fokus im Fluoreszenzmikroskop sichtbar gemacht werden und ist ein putativer prognostischer Marker. Daher haben sich γ-H2AX Foci robuster und sensitiver Nachweis von DNA-Doppelstrangbrüche (DSB) etabliert und spielen eine wichtige Rolle in der Behandlung von Tumoren. DSBs können Apotose induzieren beziehungsweise eine genomische Instabilität verursachen. Sie stehen in enger Verbindung mit der Karzinogenese und Autoimmunerkrankungen.

Die Bilddaten werden von Projektpartnern an mehreren biologischen Proben strukturiert und detailliert mit Methoden der digitalen Bildverarbeitung uns statistischen Bioinformatik analysiert. Es soll evaluiert werden, welche statistischen Methoden sich finden lassen, die eine Assoziation von Primärdaten und Sekundärdaten aus weiteren Datenquellen ermöglichen. Die Ergebnisse sollen durch Studien mit den Projektpartnern zur Entwicklung von einem besseren Verständnis der Mechanismen von Erkrankungen (Autoimmunerkrankungen, Tumorbiologie) genutzt werden. Später sollen die Ergebnisse auch für die experimentelle Medizin und personalisierte Medizin zur Verfügung stehen.