Direkt zum Inhalt

Biofilm-assoziierte Infektionen gehören zu den größten Herausforderungen der modernen Medizin, da in Biofilmen organisierte Bakterien aufgrund komplexer Resistenz- und Virulenzmechanismen extrem widerstandfähig und häufig nicht therapierbar sind. Durch die Kombination moderner Technologien wie Omics Profiling und maschinellem Lernen mit umfangreichen phänotypischen und klinischen Daten wird es erstmals möglich, die Physiologie und Dynamik klinisch relevanter Biofilme zu verstehen, Resistenzmechanismen auf verschiedenen miteinander interagierenden Ebenen zu entschlüsseln und basierend auf diesen Erkenntnissen personalisierte Lösungen für das Gesundheitswesen zu entwickeln.

 

Ziel dieses Projektes ist die Entwicklung neuer Strategien für die Diagnostik und personalisierte Therapie zweier klinisch hochrelevanter biofilm-assoziierter Infektionen: A) der durch Pseudomonas verursachten Cystischen Fibrose, als einem Beispiel für eine lebensbedrohliche Monospeziesbiofilm-Infektion und der B) Implantat-assoziierten Infektion, als einem Beispiel für eine prävalente Multispeziesbiofilm-Infektion.

 

In diesem interdisziplinären Projekt sollen - über Maschinelles Lernen und Data Mining - Pipelines und Workflows für Biofilm-assoziierte Infektionen entwickelt werden, die nicht nur wesentliche Erkenntnisse für personalisierte Therapiestrategien der hier untersuchten Infektionen erwarten lassen, sondern zukünftig im Rahmen des CIIM implementiert und für die Entschlüsselung weiterer Infektionserkrankungen genutzt werden sollen. Es werden modernste Biofilm-Phänotypisierungstechniken angewendet, um Biofilme aussagekräftig zu gruppieren. Über Prozesse des maschinellen Lernens werden Biofilmtypen mit Omics-Daten in Beziehung gesetzt und relevante bakterielle Eigenschaften im Hinblick auf Biofilmresistenz und -virulenz aufgedeckt. Für die Informationsverwaltung wird eine interaktive und kontinuierlich aktualisierte Datenbank aufgebaut. Die hier formulierten Ziele lassen sich nur in einem sehr interdisziplinären Kontext durch Bündelung international anerkannter Expertise aus klinischer Medizin, Biofilmforschung, Mikro- und Molekularbiologie, Bioinformatik und Maschinellem Lernen erreichen (MHH, HZI, LUH).

 

Die in dem Projekt generierten grundlagenwissenschaftlichen Ergebnisse werden für die Entwicklung und klinische Translation neuer diagnostischer und personalisierter Therapiestrategien genutzt. Damit wird die Prognose der an Biofilm-assoziierten Infektionen erkrankten Patienten in der Zukunft nachhaltig verbessert. Darüber hinaus wird durch die Entwicklung von allgemeingültigen Pipelines die Grundlage für eine personalisierte Therapie einer Vielzahl von Infektionserkrankungen geschaffen.

 

 

Begin
End