![[Translate to Deutsch:]](/fileadmin/HIPS/__processed__/c/5/csm_HIPS_50503_431fe075f3.jpg "[Translate to Deutsch:]")
Klinische Bioinformatik
Prof. Dr. Andreas Keller
Die Abteilung für Klinische Bioinformatik befasst sich damit, molekulare Informationen mit Hilfe von computergestützten Methoden wie dem Maschinellen Lernen, der Künstlichen Intelligenz oder anderer Algorithmen zu analysieren. Im Mittelpunkt steht es, räumlich- und zeitlich aufgelöste Prozesse zu betrachten, um zu verstehen, wie Bakterien als Naturstoffproduzenten mit Menschen interagieren, wie sie Erkrankungen auslösen oder sogar vor ihnen schützen können.
Unsere Forschung
Die Abteilung für Klinische Bioinformatik befasst sich mit computergestützten Methoden zur Analyse von Nukleinsäuren, hauptsächlich RNAs. Ein Fokus der Forschung liegt auf den regulatorischen Mechanismen nicht-kodierender RNAs und der Auswirkung verschiedener Einflussfaktoren auf das räumlich und zeitlich aufgelöste Einzelzell-Transkriptom. Ausgehend von der Erfahrung im Modellieren regulatorischer Einflüsse wird auch die Interaktion zwischen Bakterien und Menschen untersucht. Hierbei wird der Austausch von Information und Material zwischen kommensalen und pathogenen Bakterien sowie deren Wirt betrachtet. Ziel ist es, neue Naturstoffproduzenten sowie Naturstoffe zu finden, welche als Grundlage für die Entwicklung neuer Wirkstoffe dienen können. Der medizinische Schwerpunkt ist es, Alterungsprozesse und neurodegenerative Erkrankungen des Alterns wie Alzheimer und Parkinson besser zu verstehen und zu beeinflussen.
Team-Mitglieder
Prof. Dr. Andreas Keller
Gruppenleiter
Anna Priester
Assistentin
Sabine Lessel
Assistentin
Annika Engel
Doktorandin
Friederike Grandke
Doktorandin
Pascal Hirsch
Doktorand
Victoria Wagner
Doktorandin
Forschungsprojekte
Räumlich-zeitlich aufgelöste Einzelzell-Bioinformatik
Gemeinsam mit der Nachwuchsgruppe von Dr. Fabian Kern, welche der Abteilung Klinische Bioinformatik zugeordnet ist, werden räumlich-zeitlich aufgelöste Einzelzell-Prozesse untersucht. Dabei werden verschiedene Gewebeproben über deren natürliche Lebensspanne hinweg analysiert und verglichen. In Infektionsmodellen wird zusätzlich der Einfluss von pathogenen Bakterien auf Organe untersucht und es wird analysiert, wie Medikamente die zelluläre Zusammensetzung verändern können. Dabei werden Methoden mit einer Auflösung von bis zu 500 Nanometern eingesetzt, die es erlauben, Genprodukte sogar auf subzellulärer Ebene zu quantifizieren. Mit Hilfe von Künstlicher Intelligenz sollen Computer lernen, die (sub)zellulären Veränderungen bei der Gabe von Medikamenten vorherzusagen, um in-silico ADME-Tox Studien signifikant zu verbessern.
Klinische Metagenomik
Bakterien können an verschiedenen Stellen des Körpers unterschiedliche Erkrankungen auslösen – oder vor eben vor diesen schützen. Im IMAGINE-Projekt werden von Patienten (unter anderem mit chronisch entzündlichen Darmerkrankungen, Diabetes, Adipositas, Parkinson, Lungentumoren und andere) verschiedene Proben (Auge, Mund, Darm, Haut) gesammelt, mittels Shotgun-Sequenzierung sequenziert und am Computer mit Hilfe von Maschinellem Lernen analysiert. Aus bisher 3.000 Patientenproben können Rückschlüsse über kommensale und pathogene Bakterien gezogen und mögliche neue Naturstoffe gefunden werden. Diese werden in den entsprechenden Gruppen des HIPS daraufhin untersucht, ob sie sich als neue Medikamente eignen. Neben der Mikrobiota des Menschen werden auch weltweit gesammelte Bodenproben und Tierproben von über 40 verschiedenen Arten mit den gleichen Methoden analysiert, um ein möglichst vollständiges Bild von möglichen, bislang unbekannten Naturstoffen zu erhalten.
Immunprozesse neurodegenerativer Erkrankungen
Bei neurodegenerativen Prozessen spielt eine gestörte Immunantwort eine wichtige Rolle. Unabhängig vom Auslöser der Immunantwort wollen Forschende der Abteilung Klinische Bioinformatik verstehen, wie sich die Immunantwort von Patienten und gesunden Individuen unterscheidet. Dazu werden T-Immunzellen aus Blutproben gesammelt, stimuliert und dann mit Hilfe von Einzelzell-Sequenzierung analysiert. Durch Methoden des maschinellen Lernens werden bis zu 30 verschiedene Zellfraktionen identifiziert und die zeitliche Änderung der Profile zwischen Patienten und Kontrollen für jede einzelne Zellfraktion bestimmt. Dadurch kann entschlüsselt werden, welcher Immunzelltyp wie stark zu entsprechenden pathologischen Prozessen beiträgt. Das stellt wiederum eine Ansatzmöglichkeit für neue Therapien dar.
Regulatorische Effekte nicht-kodierender RNAs
Nicht-kodierende RNAs interagieren mit Genen, die den Bauplan für Proteine beinhalten. Wenn das bestehende regulatorische Gleichgewicht gestört wird, können sich schon durch geringe Änderungen ernsthafte physiologische Folgen ergeben. Durch die Kombination von Hochdurchsatz-Reporterassays und systembiologischer Modellierung, können wir eine genaue Vorstellung davon gewinnen, wie nicht-kodierende RNAs in einer organisierten Art und Weise Genexpressionsnetzwerke kontrollieren. Basierend auf den Modellen arbeitet die Abteilung wir daran, dass ursprünglich vorhandene Gleichgewicht wiederherzustellen. Zusätzlich erforschen wir, wie nicht-kodierende RNAs bakteriellen Ursprungs gezielt Gene beim Menschen regulieren können. Auch solche RNAs sind Kandidaten für neue Wirkstoffe.