Forschungsprogramm
Um was geht es bei der MODS-Initiative?
Die großen biotechnologischen Durchbrüche der letzten zwei Jahrzehnte ermöglichen die Erhebung höchst umfangreicher Datenmengen auf immer mehr verschiedenen Ebenen. So werden in der biomedizinischen Forschung sogenannte “Omics-Daten” erhoben, die ein umfassendes Bild verschiedener molekularer Zustände und Prozesse liefern – zum Beispiel auf den Ebenen des Genoms, des Epigenoms, des Transkriptoms, des Proteoms, von Stoffwechselprodukten (Metabolom) und deren Dynamik, sowie mittels hochauflösender Bildgebungsmodalitäten. Die Betrachtung und Integration über all diese Ebenen hinweg, sogenannte Multi-Omics-Analysen, eröffnen neue Perspektiven auf das Verständnis pathophysiologischer Mechanismen und damit auf die Entstehung von Krankheiten, bringen aber gleichzeitig signifikante bioinformatische Herausforderungen mit sich. Auf all diesen Ebenen bieten sich darüber hinaus zurzeit neue Möglichkeiten zur Erhebung von Daten aus einzelnen Zellen. Die moderne Medizin wird somit zunehmend von großen Datenmengen angetrieben. Eine effiziente Nutzung dieser Daten für die biomedizinische Forschung kann nur mit Data-Science-Methoden umgesetzt werden. Solche multimodalen Datenanalysen erlauben ein umfassenderes Verständnis der molekularen Vorgänge bei der Transition von Gesundheit zu Krankheit. Die gewonnenen Erkenntnisse können unter Einbindung von künstlicher Intelligenz zur Entwicklung neuer Wege zur Prädiktion und Prävention von Krankheiten genutzt werden und somit eine schnelle Translation in den klinischen Alltag ermöglichen.
Die Initiative Multi-Omics Data Science (MODS) greift all diese Entwicklungen konkret auf, indem eine Brücke von der KI-Strategie des Standorts auf der einen Seite zu den etablierten Forschungsschwerpunkten der Universitätsmedizin Düsseldorf auf der anderen Seite geschlagen wird. Der Fokus liegt dabei auf Metabolischen Systemstörungen wie Übergewicht, Fettstoffwechselstörungen, Fettlebererkrankung, Diabetes mellitus und deren kardiovaskuläre und neurologische Krankheitsmanifestationen, welche die führenden Treiber der Mortalität in unserer Gesellschaft darstellen, z.B. durch Herzinfarkt, Schlaganfall und Herzinsuffizienz. So sollen neue datengetriebene Konzepte für den Erhalt der Gesundheit der Bevölkerung sowie für maßgeschneiderte Therapien in Risikogruppen und bei manifest Erkrankten nutzbar gemacht werden. Das übergeordnete Ziel ist eine integrative Untersuchung der Wechselwirkung kardiovaskulärer, neuronaler und metabolischer Systeme (Interorgan Crosstalk) mit einem transdisziplinären Ansatz.
Ansätze der Kollaboration und Kooperation im Forschungsprofil
Synergie auf methodischer Ebene
In der MODS-Initiative wird die KI-Expertise der HHU an klinischen Daten entlang des Schwerpunktes der metabolischen Systemstörung gebündelt und ausgerichtet. Dabei konzentrieren sich die Teilprojekte auf drei wesentliche methodische Fragestellungen, die erst durch moderne KI-Methoden bearbeitet werden können. Zunächst erlauben i) moderne Deep-Learning-getriebene Methoden der Bilddatenanalyse eine bessere Interpretation und Bearbeitung von z.B. MRT- (Projekte 3, 4, 7), Fluoreszenzmikroskopie- (Projekt 8) und histologischen Daten (Projekt 9). Weiterhin sollen ii) Hochdurchsatzdaten aus verschiedenen Omics-Technologien, insbesondere Genomik (Projekte 6, 8, 9, 10), Transkriptomik (Projekte 1, 2, 5, 11, 12), Epigenomik (Projekte 1, 5, 8), Proteomik (Projekte 1, 8, 11, 12) und Metabolomik (Projekte 1, 2, 4, 6, 7, 8, 11, 12) mit bestehenden klinischen und experimentellen Daten vereinigt und/oder über verschiedene Teilbereiche integriert werden. Hierbei stellt insbesondere die Vereinigung von Sequenzierdaten mit metabolischen Daten einen Schwerpunkt dar. Schließlich sollen iii) Methoden entwickelt und validiert werden, die anhand bestehender und neuer klinischer Daten (digital phenotyping) individuelle Krankheitsverläufe vorhersagen, neue Erkenntnisse über Krankheitsätiologien und Ausprägungen bringen und letztendlich Therapieentscheidungen steuern können.
So werden Daten von der molekularen über die Bild-, bis hinauf zur Verständnisebene der Krankheiten und zur Vorhersage von Interventionen zusammengeführt. Ein wesentliches Anliegen unserer Initiative ist damit die Schaffung von grundlegenden, übertragbaren Arbeitsabläufen von der Datenerhebung bis zum Krankheitsverständnis und schließlich der klinischen Translation. Die Orientierung in Teilprojekten und die Zuordnung von Co-PIs erlaubt dabei eine enge Kopplung der Einzelaspekte, die zwar jeweils entlang spezifischer Fragestellungen geschärft werden, aber sowohl auf methodischer Ebene (Machine-Learning-Plattform, siehe nächster Absatz) als auch auf klinischer Ebene (Data Science Integration Board) eng verzahnt zusammenarbeiten (siehe Abbildung).
Kollaboration und Vernetzung
Das Konzept der MODS-Initiative zielt auf eine Vernetzung durch Tandem-Projekte. Über die Tandem-Projekte und die gemeinsame Machine-Learning-Plattform hinaus wird MODS zur übergreifenden Vernetzung eine gemeinsame zweiwöchentliche Vortragsreihe, einen jährlichen Workshop, sowie zweimal pro Jahr einen “Hackathon” bei dem alle durch das Projekt finanzierten Wissenschaftler*innen für eine Woche gemeinsam an einem Data-Science-Thema arbeiten, veranstalten. Kollaboration zur klinischen Translation wird über ein Data Science Integration Board erreicht.