Foto: Adobe Stock

Ausgabe: 02/2019

Big Data gegen das Norovirus

Plötzliche Übelkeit, heftiges Erbrechen, Durchfall: für einen Großteil der Magen-Darm-Infekte (Gastroenteritiden) sind Noroviren verantwortlich. Sie sind hochinfektiös und können akute Gastroenteritis-Ausbrüche in Gemeinschaftseinrichtungen, Krankenhäusern, Altenheimen oder auch auf Kreuzfahrtschiffen auslösen.  Besonders gefährlich sind Noroviren für immungeschwächte Patienten, beispielsweise nach einer Organtransplantation, da sie chronische Infektionen etablieren und Komplikationen auslösen können.

Bisher gibt es weder einen Impfstoff noch eine spezifische Therapie zur Vorbeugung oder Behandlung von Norovirus-Infektionen. Auch ist nicht bekannt, was die individuellen Unterschiede in der Anfälligkeit und im Infektionsverlauf ausmacht. Am Zentrum für Individualisierte Infektionsmedizin, das zurzeit in Hannover entsteht, werden im Forschungsprojekt PRESENt Wissenschaftler des TWINCORE, der Medizinischen Hochschule Hannover, des Helmholtz-Zentrums für Infektionsforschung und des L3S gemeinsam nach den Ursachen dieser Varianzen suchen. In klinischen Studien werden die PRESENt-Forscher über 5000 Patientendatensätze auswerten und mittels Big-Data-Analysemethoden kritische Faktoren für die Entwicklung von Komplikationen durch eine Norovirus-Infektion aufdecken. Das Ziel ist, die Anfälligkeit jedes einzelnen Patienten für komplizierte und schwere Noroviruserkrankungen präzise und schnell vorherzusagen. Die Wissenschaftler setzen dafür klinische Daten und individuelle Parameter wie Geschlecht, Alter und Vorerkrankungen in Relation zueinander und berechnen Muster für den Infektionsverlauf. Im nächsten Schritt wird das Konsortium die Wirksamkeit von Desinfektionsmitteln gegen Patienten-isolierte Norovirusproben testen. Zuletzt werten die Forscher Mikrobiom-Daten dahingehend aus, ob eine Probiotikatherapie schwere Norovirusinfektionen verhindern und chronische Infektionen heilen kann. Somit soll PRESENt nicht nur individuelle Unterschiede des Norovirusinfektionsverlaufs aufdecken, sondern vor allem eine personalisierte Prognose, Prävention und Behandlung von schweren Norovirusverläufen ermöglichen.

Kontakt
Dr. Megha Khosla

Megha Kosla ist wissenschaftliche Mitarbeiterin am L3S. Sie erforscht Machine-Learning-Verfahren zur Analyse komplexer Daten wie den Sozialen Netzwerken, Web-Graphen und biomedizinischen Daten.