Ausgabe: 02/2019

Biofilme verstehen, Infektionen vorbeugen

Manche Bakterien leben gerne in Gemeinschaft. Sie siedeln sich zusammen auf Oberflächen an und umgeben sich mit einer schützenden Schleimschicht. Ein solcher Biofilm kann sich auch auf Organen und Implantaten bilden, etwa auf Knie- und Hüftgelenkprothesen oder Zahn- und Cochlea-Implantaten. Dort können die Bakterien gefährliche Infektionen auslösen, die kaum therapierbar sind. Denn in der Schleimschicht sind die Bakterien vor Angriffen des Immunsystems und selbst vor der Wirkung von Antibiotika geschützt. Biofilm-assoziierte Infektionen gehören daher zu den größten Herausforderungen der Medizin.

Im Projekt BacData werden Wissenschaftler der MHH und des L3S gemeinsam daran arbeiten, die Biologie und Dynamik klinisch relevanter Biofilme zu verstehen und ihre Resistenzmechanismen zu entschlüsseln. Möglich wird dies durch die Kombination moderner Technologien aus der Biologie und der Informatik. Mit Omics-Technologien können Wissenschaftler das gesamte Genom, Transkriptom oder Proteom einer Zelle umfassend untersuchen. Dadurch werden sehr große Mengen an Daten gewonnen, die mit Deep-Learning-Methoden analysiert werden können. So lässt sich zum Beispiel anhand von Sequenzdaten eines Bakteriums die Resistenz gegenüber einem bestimmten Medikament vorhersagen.

Im BacData-Projekt nehmen sich die Forscher zwei klinisch hochrelevante Biofilm-assoziierte Infektionen vor: die durch Pseudomonas-Bakterien verursachte Lungeninfektion bei Mukoviszidose-Patienten und die Implantatinfektion als Beispiel für häufig auftretende Multispeziesbiofilm-Infektionen. Die Ergebnisse fließen in die Entwicklung und klinische Translation neuer diagnostischer und personalisierter Therapiestrategien ein. BacData soll die Prognose der an Biofilm-assoziierten Infektionen erkrankten Patienten nachhaltig verbessern und darüber hinaus die Grundlage für eine personalisierte Therapie weiterer Infektionserkrankungen schaffen.

Kontakt
Damianos Melidis

Damianos Melidis ist Doktorand am L3S und forscht im Bereich Datenströme, Data Mining, Machine-Learning und Bioinformatik.